【技术实现步骤摘要】
本专利技术属于水利工程，涉及一种基于局部异常因子与多重验证的大坝监测数据异常识别方法。
技术介绍
1、大坝变形监测数据反映了大坝在荷载和环境作用下的动态演化，为大坝安全诊断系统提供先验知识。然而，随着大坝运行时间的增长，其破坏风险上升的同时，监测仪器故障，人为失误或结构变化造成数据异常的频率也不断升高，这种问题会严重影响实时预警和变形预测的准确性。一方面，原始监测数据中的人为错误或仪器故障等偶然因素导致的异常值会严重干扰大坝的安全评估工作。另一方面，由环境或结构等非偶然因素产生的异常值，是大坝真实行为的体现，不能简单的作为粗差去除，甚至应该被提取出来以供进一步研究。因此，建立可靠的模型，准确识别大坝原始监测数据中的异常值，并区分异常数据的产生的原因，为维护大坝结构健康，保证其安全运行具有重要意义和应用价值。
2、在大坝原位监测数据的异常识别中，传统直接基于监测数据样本点分布进行识别的机器学习方法虽然降低了基于比较预测值和实际值偏差的识别方法对建立的预测模型的依赖性，但仍存在对识别条件敏感的问题，泛化性和鲁棒性都有待提高。此外...
【技术保护点】
1.一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，所述步骤S1包括如下子步骤：
3.根据权利要求1所述的一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，所述步骤S2具体为：
4.根据权利要求1所述的一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，所述步骤S3包括如下子步骤：
5.根据权利要求4所述的一种基于局部异常因子与多重验证的大坝监测数据异常...
【技术特征摘要】
1.一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，所述步骤s1包括如下子步骤：
3.根据权利要求1所述的一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，所述步骤s2具体为：
4.根据权利要求1所述的一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，所述步骤s3包括如下子步骤：
5.根据权利要求4所述的一种基于局部异常因子与多重验证的大坝监测数据异常识别方法，其特征在于，所述s3.5中，合理的准则指：按就近合并原则分组，每三个测点为一组，对于两测...
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。