融合多测点数据相关性的大坝监测历史数据填补
Dam monitoring historical data filling algorithm based on fusion of multi-measurement point data correlation作者机构:南京理工大学理学院江苏南京210094 南京水利科学研究院江苏南京210029 水利部水库大坝安全重点实验室江苏南京210029
出 版 物:《人民长江》 (Yangtze River)
年 卷 期:2023年第54卷第9期
页 面:245-251页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 081402[工学-结构工程] 0835[工学-软件工程] 0814[工学-土木工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划项目(2022YFC3005502) 国家自然科学基金项目(51979174) 国家自然科学基金联合基金项目(U2040221) 中央级公益性科研院所基本科研业务费专项资金项目(Y322008)
摘 要:基于历史数据的大坝安全监测预警、预报算法对数据集的质量要求较高,含有缺失值的数据集会明显降低算法结果的准确性。为提升数据质量,提出了一种融合多测点数据相关性的缺失值填补算法:基于各测点时间尺度的相关性,将满足一定相关度的时间序列作为预测模型的输入项,并引入迭代技术实现多测点的缺失值自动填补。为验证该算法对实际工程中不同类型缺失数据集的适用性,依据实测数据样本在缺失率、集中度、离散程度3个层次上共构造了12种不同类型的缺失数据集并进行试验。结果表明:针对不同类型的缺失数据集,该算法的RMSE均值在填补精度上较传统填补算法提升15%以上,nMAPE均值提升1%以上。