大坝异常诊断与缺损补全的方法及系统

    公开(公告)号:CN118467923A

    公开(公告)日:2024-08-09

    申请号:CN202410529527.7

    申请日:2024-04-29

    Applicant: 武汉大学

    Abstract: 本发明公开了一种大坝异常诊断与缺损补全的方法及系统,包括:基于堆石坝变形序列的时序依赖性和测点之间的协同相关性,建立时空融合预测模型并进行训练;将最新实测数据作为测试段数据,以在训练时的测点序列作为训练段数据,判断训练段与测试段的残差序列值是否服从相同的分布,以此判断测试段序列中是否存在异常测点或数据缺失测点;以检测到的异常测点和数据缺失测点作为待补全测点,同时将其他测点变形序列、待补全测点环境因子并为输入特征,输入到时空融合预测模型中进行预测获得待补全测点的序列值。本发明提高了异常测点检测的精度,并将其他点变形和目标点环境因子为基础的两种补全思路有机结合,同时实现了多测点多缺损段的补全。

    考虑堆石坝多测点复杂关联性时空融合的变形预测方法及系统

    公开(公告)号:CN117313201A

    公开(公告)日:2023-12-29

    申请号:CN202311246143.6

    申请日:2023-09-26

    Applicant: 武汉大学

    Abstract: 本发明提供考虑堆石坝多测点复杂关联性时空融合的变形预测方法及系统,能够充分考虑多测点间复杂关联进行时空融合,针对堆石坝变形监测数据高噪声和漂移性的特点,实现整体变形准确实时预测。变形预测方法包括:步骤1,监测数据前处理:对监测的坝体变形与环境因子时间序列数据进行前处理;步骤2,基于前处理后的数据构造样本,采用滑动窗口方式构建数据集,将样本按比例划分为训练集与验证集;步骤3,确定复杂关系下多测点融合过程中待注入的先验信息,计算邻接矩阵;步骤4,构建时空融合的变形预测模型;步骤5,采用训练集训练变形预测模型,通过验证集获取最优模型,并根据最新监测数据完成准实时变形预测。

Patent Agency Ranking