买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中交四航工程研究院有限公司;广州港湾工程质量检测有限公司

摘要：本发明提供了一种基于KNN‑SSA‑SVM的边坡监测数据异常检测和补全方法，适用于工程行业施工监测领域；包括数据采集、KNN疑似异常数据识别、SSA‑SVM回归预测拟合模型构建以及异常数据判定和补全；本发明提出的一种基于KNN‑SSA‑SVM的边坡监测数据异常检测和补全方法，具有更高效，时效性更强的特点，可广泛的应用于工程行业施工监测领域。

主权项：1.一种基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法，其特征在于，所述基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法包含以下步骤：1数据采集；所述数据采集，包括制定边坡监测计划，并按照所述边坡监测计划安装专业监测设备，还包括按照所述边坡监测计划中的监测频率，定期收集所述专业监测设备记录的n个原始数据样本；2KNN疑似异常数据识别；所述KNN疑似异常数据识别，包括KNN疑似异常数据识别步骤为：a利用最大最小值法对所述原始数据样本进行数据标准化处理，b创建一个空数组P用来保存异常数据的位置，c计算所述原始数据样本中第ii＝1,2...n个数据点到其它数据点的欧式距离，找到所述第i个数据点欧式距离最近的K个邻近点，评估所述第i个数据点局部异常因子，d将所述局部异常因子与设定好的阈值进行比较，若所述局部异常因子大于所述阈值，则将所述数组P中第i个值加1，最终得到一个包含所有疑似异常数据位置的数组P’；3SSA-SVM回归预测拟合模型构建；所述SSA-SVM回归预测拟合模型构建，包括对所述原始数据样本进行预处理，将所述原始数据样本归一化，所述归一化后任一所述原始数据样本的值的范围为[-1,1]，通过SSA优化算法提取出优化后的参数，建立SSA-SVM回归预测模型；4异常数据判定和补全；所述异常数据判定和补全，根据所述包含所有疑似异常数据位置的数组P’，获得各疑似异常数据位置对应所述SSA-SVM回归预测模型中的预测值，计算所述预测值与所述原始数据样本真实测值之间的残差，并将所述残差大于一定阈值的真实测值判定为异常数据，利用所述SSA-SVM回归预测模型对确认为异常数据的位置进行补全，并以根均方差检验算法的补全效果。

全文数据：

权利要求：

百度查询： 中交四航工程研究院有限公司 广州港湾工程质量检测有限公司 一种基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法