【技术实现步骤摘要】
本申请涉及大坝异常监测领域,特别是涉及一种大坝监测数据趋势异常识别方法、系统和电子设备。
技术介绍
1、大坝的监测数据是诊断大坝健康状态的重要信息,监测数据的趋势异常识别是预防大坝安全问题的关键工作,而大坝的监测数据通常会受到环境变化的影响。
2、目前对于大坝监测数据的趋势分析主要通过构建回归模型或重构模型,分析实测数据与估计数据结果的残差来进行数据的异常识别。上述两种方法,通常需要实测数据点满足一定的回归误差或重构残差大小,才会被认定为异常。但是当数据发生缓变异常过程时,由于初始阶段数据的估计残差较小,直接采用传统方法难以识别出异常的趋势过程,只有当数据发生较大异常时才能识别出来,无法及时发现大坝安全的潜在风险。
3、现有技术无法及时、准确地识别出大坝监测数据中的异常趋势。
技术实现思路
1、本申请实施例提供了一种大坝监测数据趋势异常识别方法、系统和电子设备,以至少解决相关技术中无法及时、准确地识别出大坝监测数据中的异常趋势的问题。
2、第一方面,本申
...【技术保护点】
1.一种大坝监测数据趋势异常识别方法,其特征在于,包括:
2.根据权利要求1所述的大坝监测数据趋势异常识别方法,其特征在于,所述监测数据包括大坝监测数据、监测时间和上游水位,所述根据所述监测数据更新预先获取的残差神经网络的参数,包括:
3.根据权利要求2所述的大坝监测数据趋势异常识别方法,其特征在于,确定所述预测结果,包括:
4.根据权利要求3所述的大坝监测数据趋势异常识别方法,其特征在于,确定所述第二变形趋势分量,包括:
5.根据权利要求1所述的大坝监测数据趋势异常识别方法,其特征在于,所述计算所述第一变形趋势分量与所
...【技术特征摘要】
1.一种大坝监测数据趋势异常识别方法,其特征在于,包括:
2.根据权利要求1所述的大坝监测数据趋势异常识别方法,其特征在于,所述监测数据包括大坝监测数据、监测时间和上游水位,所述根据所述监测数据更新预先获取的残差神经网络的参数,包括:
3.根据权利要求2所述的大坝监测数据趋势异常识别方法,其特征在于,确定所述预测结果,包括:
4.根据权利要求3所述的大坝监测数据趋势异常识别方法,其特征在于,确定所述第二变形趋势分量,包括:
5.根据权利要求1所述的大坝监测数据趋势异常识别方法,其特征在于,所述计算所述第一变形趋势分量与所述第二...
【专利技术属性】
技术研发人员:刘鹏飞,赵磊,王利杰,张雯雯,李文旭,汪大全,李宜燃,潘利坦,
申请(专利权)人:华电电力科学研究院有限公司,
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。