深度学习法检测大坝安全监测异常数据

深度学习法检测大坝安全监测异常数据
杨关平;李登华;丁勇
【期刊名称】《水利水运工程学报》
【年(卷),期】2024()1
【摘要】有效检测出异常数据在大坝安全监测领域具有重要意义,但传统方法检测时受异常数据偏离大小和数量影响,鲁棒性较差。

提出一种基于深度学习的大坝安
全监测异常数据检测算法,模拟人工识别异常数据的过程,按分类和识别两个阶段检
测异常数据,适用于检测变化趋势不确定的数据,其中标签数据集采取自动制作方式,具备反馈机制。

试验结果表明该算法对各类异常添加模式的试验数据查准率平均达到0.97以上,查全率平均达到0.97以上,准确率平均达到0.99以上,尤其能有效找
出小数值异常,比传统异常数据检测方法具有更好的检测稳定性、鲁棒性和实用性。

【总页数】7页(P87-93)
【作者】杨关平;李登华;丁勇
【作者单位】南京理工大学理学院;南京水利科学研究院;水利部水库大坝安全重点
实验室
【正文语种】中文
【中图分类】TV698.2
【相关文献】
1.基于数据重构与孤立森林法的大坝自动化监测数据异常检测方法
2.基于影响因子分解法的大坝监测数据异常检测算法
3.大坝监测数据多维度LSTM异常检测与恢
复4.大坝渗流安全监测数据异常检测的改进DSAE模型5.基于LV-DBSCAN算法的大坝安全监测数据异常检测
因版权原因，仅展示原文概要，查看原文内容请购买。