龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：大连理工大学
摘要：本发明提供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，属于水利工程技术领域，包括以下步骤：首先从大坝监测断面测点的时空相关性出发，联合稳健回归和层次聚类，对大坝各测点进行分组；然后基于局部异常因子算法对组内各测点对进行初步异常程度计算；最后提出多重验证策略提高识别精度，并进一步区分由仪器故障或人为错误等偶然因素导致的异常值和由环境或结构等非偶然因素导致的异常值。该异常识别方法在不同识别条件下均有令人满意的识别性能，实现了基于预测和基于分布的异常识别方法优势相结合，无需保证监测时间间隔均匀，对阈值敏感性低，具有较高的稳定性和鲁棒性，并提供了异常原因分析的途径，更适用于实际工程应用。
主权项：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：步骤S1、将大坝安全监测系统采集的大坝内部监测点和环境量的监测数据按监测次序整理成序列形式，确定回归模型的数据集，包括：选取合理的影响因子构成输入集，各监测点的位移序列数据构成目标输出集；所述环境量指水位；步骤S2、采用稳健回归方法，根据步骤S1得到的输入和目标输出集建立回归模型，初步拟合各测点位移序列，获得位移序列的稳健回归结果；步骤S3、基于步骤S1中收集到的各测点位移序列或步骤S2中得到的各测点位移序列的稳健回归结果，度量各测点的时空相关性，并采用层次聚类方法将其分为若干组，每组内测点相互关联；步骤S4、在关联测点组内部，构造关联测点对，关联测点对各测次的二维残差结果作为异常识别样本，并采用局部异常因子识别算法对异常识别样本进行组内异常识别及多重验证，初步确定各测点的“疑似异常测次”；步骤S5、累计步骤S4中得到“疑似异常测次”的多重验证结果，获得最终异常测次结果，并依据异常测次结果的时空分布，分析异常产生原因；步骤S6、在分析异常原因的基础上，对原始位移监测数据进行处理，以获得可靠且能反映大坝真实行为的位移数据支撑大坝结构健康监测。
全文数据：
权利要求：
百度查询： 大连理工大学 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
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号