-
公开(公告)号:CN119025839A
公开(公告)日:2024-11-26
申请号:CN202411137551.2
申请日:2024-08-19
Applicant: 江苏高速公路工程养护技术有限公司
Abstract: 本发明涉及数据监测技术领域,尤其涉及一种基于自注意力的异常数据修复方法、装置、设备及介质,方法包括:基于长短期神经网络和自注意力编码解码器搭建多通道序列数据重建模型;获取多通道正常监测数据的输入输出数据集,对数据重建模型进行训练;使用训练后的数据重建模型和前置的正常监测数据重建部分异常段监测数据;使用重建监测数据替代相应部分的异常监测数据,重复异常监测数据的重建和替换,直至该段异常监测数据被完全修复。本发明中,通过自注意力编码解码器提炼出结构监测数据的核心信息,多通道输入输出来考虑多通道数据的相关性,提高了重建数据的准确性,且具有操作简单、适用于各种类型且范围较大的异常监测数据修复等优点。
-
公开(公告)号:CN119760301A
公开(公告)日:2025-04-04
申请号:CN202411646094.X
申请日:2024-11-18
Applicant: 江苏高速公路工程养护技术有限公司 , 江苏苏通大桥有限责任公司 , 中交公路长大桥建设国家工程研究中心有限公司
IPC: G06F18/10 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于变分自编码器的桥梁风场监测数据清洗方法,包括:设置风速仪传感器,获取桥面两侧对称位置的风速u及风向α数据并生成训练数据集;数据集中每一对上下游数据,根据平均风向#imgabs0#对数据进行标记;做好数据标记的X‑Y数据集,随机拆分成训练集和验证集;基于变分自编码器构建训练模型;生成两个模型实例#imgabs1#各自独立地学习ux,uy;确立损失函数,包含重建损失以及KL散度损失;并将数据集导入模型进行训练,训练至损失函数稳定;将受干扰数据输入模型中获得模型预测的无干扰数据,即可进行数据补全。本专利所提出的基于变分自编码器的数据清洗方法对大跨度桥梁桥址处风场监测数据进行修正,为风场特征分析提供可靠的支撑。
-