10.11705/j.issn.1672-643X.2022.06.19
基于Apriori和GP-XGBoost的特高拱坝变形缺失数据填补方法
变形监测数据作为特高拱坝服役性态最直观的表征,蕴藏着丰富的时空信息和演变规律,对工程长治久安意义重大.然而,多源多维的变形监测数据受仪器本身及外界因素影响,往往存在数据缺失的现象,会对接下来的数据分析工作造成干扰.针对大坝变形监测序列中的缺失数据,基于Apriori关联规则算法挖掘测点变形在空间维度上的关联性,得到目标测点的强关联测点,随后以强关联测点的变形监测数据作为输入样本,利用贝叶斯优化的XGBoost回归模型填补了目标测点的空缺变形监测序列.结合锦屏一级特高拱坝工程实例表明,该填补方法实现了变形监测空缺信息的高效、精准填补,可用于类似大坝工程的变形缺失数据填补.
特高拱坝、变形监测、缺失数据填补、Apriori关联规则、XGBoost回归
33
TV698.1(水利枢纽、水工建筑物)
国家自然科学基金;国家自然科学基金
2023-02-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
151-158,166