基于时空聚类和深度学习的混凝土坝变形异常值识别方法

作     者：宋锦焘 葛佳豪 杨杰 徐笑颜 陈家敏 孟庆耀 SONG Jintao;GE Jiahao;YANG Jie;XU Xiaoyan;CHEN Jiamin;MENG Qingyao

作者机构：西安理工大学水利水电学院陕西西安710048 西安理工大学省部共建西北旱区生态水利国家重点实验室陕西西安710048 

出 版 物：《水利水电科技进展》 (Advances in Science and Technology of Water Resources)

年 卷 期：2024年第44卷第4期

页      面：65-71页

核心收录：

学科分类：081504[工学-水利水电工程] 08[工学] 0815[工学-水利工程] 

基　　金：国家自然科学基金青年科学基金项目(52109166) 国家自然科学基金面上项目(52279140) 

主　　题：混凝土坝 变形 异常值识别 监控模型 时空聚类 

摘      要：针对传统大坝异常值识别方法多依靠单测点模型,未充分考虑测点间变形的时空关联特性,易造成异常值误诊断的问题,提出了基于时空聚类和深度学习的混凝土坝变形异常值识别方法。该方法利用测点间变形的时空关联特性对混凝土坝测点变形数据进行时空聚类分区,基于新型蜜獾优化算法(HBA)与双向长短时记忆(BiLSTM)神经网络构建HBA-BiLSTM变形预测模型,根据模型输出的变形值以及异常值判别指标识别混凝土坝变形异常值。实例验证结果表明,该方法比传统异常值识别方法准确率更高。