【技术实现步骤摘要】
本专利技术属于大坝变形监测的，具体涉及一种大坝异常诊断与缺损补全的方法及系统。
技术介绍
1、随着大坝安全监测项目的自动化与常态化，通过安全监测自动化采集的数据，可以提供丰富、全面的信息资源，用于分析大坝的运行状况和评估大坝的安全性态，大量监测仪器均埋设于坝体内部，由于仪器损坏、人为因素以及环境变化等而时常出现短期故障，使变形监测数据出现缺失、异常等情况。数据的缺损影响了对大坝安全监测资料的分析，而监测数据的异常又可能是由仪器故障导致的数据采集异常或监测节点所在区域结构响应异常引起的，因此对缺失的监测节点数据进行补全，对测点异常产生的原因进行分析十分重要。
2、当前对大坝变形序列缺失值补全的有效方法包括线性补全、非线性补全、最近邻补全和回归补全等，但上述方法要么仅建模待插补测点变形与该测点环境因子的关系，要么引入其他正常测点变形以预测补全，未将两种补全思路统一起来。
3、而传统大坝变形异常值识别方法有局部离群因子法(lof法)、romanowski准则和3σ准则等，无法充分利用多测点整体变形相关信息，并且对于异常...
【技术保护点】
1.一种大坝异常诊断与缺损补全的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的大坝异常诊断与缺损补全的方法，其特征在于，时空融合预测模型包括时空融合模块、动态掩码机制模块，时空融合模块包括图卷积网络、长短期记忆神经网络；其中，利用图卷积网络对多测点进行空间信息融合；利用长短期记忆神经网络对多测点进行时间信息融合；利用动态掩码机制模块对监测中的变形缺失数据进行处理。
3.根据权利要求2所述的大坝异常诊断与缺损补全的方法，其特征在于，利用图卷积网络对多测点进行空间信息融合的方法包括：
4.根据权利要求2所述的大坝异常诊断与缺...
【技术特征摘要】
1.一种大坝异常诊断与缺损补全的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的大坝异常诊断与缺损补全的方法，其特征在于，时空融合预测模型包括时空融合模块、动态掩码机制模块，时空融合模块包括图卷积网络、长短期记忆神经网络；其中，利用图卷积网络对多测点进行空间信息融合；利用长短期记忆神经网络对多测点进行时间信息融合；利用动态掩码机制模块对监测中的变形缺失数据进行处理。
3.根据权利要求2所述的大坝异常诊断与缺损补全的方法，其特征在于，利用图卷积网络对多测点进行空间信息融合的方法包括：
4.根据权利要求2所述的大坝异常诊断与缺损补全的方法，其特征在于，利用动态掩码机制模块对监测中的变形缺失数据进行处理包括：
5.根据权利要求1所述的大坝异常诊断与缺损补全的方法，其特征在于，步骤2具体实现方式如下：
【专利技术属性】
技术研发人员：马刚，李晔东，吴继业，汪子健，艾志涛，周伟，常晓林，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。