1. 中国长江三峡集团有限公司
2. 河海大学水利水电学院
Published:2025
移动端阅览
汪昌港, 耿峻, 赵鹏, et al. 基于模糊聚类和孤立森林算法的大坝监测数据粗差识别方法[J]. 2025, 51(12): 96-100.
DOI:
汪昌港, 耿峻, 赵鹏, et al. 基于模糊聚类和孤立森林算法的大坝监测数据粗差识别方法[J]. 2025, 51(12): 96-100. DOI:
为消除监测数据的异常对大坝结构安全评估的影响,提出了一种基于模糊C均值聚类算法(FCM)与孤立森林(Isolation Forest)算法的大坝监测数据粗差识别方法。通过引入遗传算法(GA)对传统FCM进行改进,利用GA的全局搜索能力对聚类中心和隶属度矩阵进行迭代优化,有效克服传统FCM在聚类分区时易陷入局部最优的缺陷;利用孤立森林算法对聚类后各监测数据中的隶属度计算异常分数从而进行粗差识别,充分发挥孤立森林在处理高维、非线性数据方面的优势。通过算例分析,并与基于密度的聚类算法(DBSCAN)和局部异常因子(LOF)等方法进行对比,结果表明,该方法粗差识别的准确率最高,粗差误判率最低,在大坝监测数据的粗差识别中有一定的价值。
何政翔.模糊聚类和偏最小二乘法在大坝监测数据分析中的应用[D].西北农林科技大学,2014(03).
吴宇.基于改进Canopy-FCM和孤立森林算法的用户异常收视行为检测方法[D].北京邮电大学,2021(01).
顾冲时,苏怀智,王少伟.高混凝土坝长期变形特性计算模型及监控方法研究进展[J].水力发电学报,2016(05).
李啸啸,蒋敏,吴震宇,陈建康.大坝安全监测数据粗差识别方法的比较与改进[J].中国农村水利水电,2011(03).
唐敏,何金平,李珍照,吴云芳.大坝安全监测异常测值分析及其模块的实现[J].长江科学院院报,2005(03).
张海龙,范振东,陈敏.孤立森林算法在大坝监测数据异常识别中的应用[J].人民黄河,2020(08).
赵嫚,李英娜,李川,杨莉.基于模糊聚类和孤立森林的用电数据异常检测[J].陕西理工大学学报(自然科学版),2020(04).
廖铖,蔡德所,李苗,张吉燕,王一立.模糊聚类法在大坝监测资料分析中的应用[J].人民长江,2015(13).
黄海兵,吴云星,谷艳昌.应用聚类算法的大坝安全监控方法[J].水利规划与设计,2021(08).
赵新华,范振东,何宇,查益华.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[J].中国农村水利水电,2021(09).
齐智勇,孙辅庭,毛延翩,周建波,张春辉,李秋炎.基于全卷积神经网络的大坝变形监测数据粗差识别方法研究[J].水电能源科学,2023(03).
赵二峰,李章寅,袁冬阳.基于双阶段注意力机制的大坝变形深度学习预测模型[J].河海大学学报(自然科学版),2023(06).
黄灵芝,张朝森,司政,陈思琦.基于遗传算法的碾压混凝土重力坝温度场多测点反演[J].水资源与水工程学报,2024(04).
陈立秋,顾冲时,邵晨飞,顾昊,高睿颖.基于相似测点对比的大坝变形监测数据粗差识别方法[J].水利水电科技进展,2024(04).
韩立炜,陈明.基于神经网络模型胶凝砂砾石渗透性能研究[J].水电能源科学,2024(03).
杨兴富,刘得潭,杨进,刘少文,高睿颖,顾昊,王岩博.基于APSO-Robust-ELM的大坝变形原始监测数据粗差识别方法[J].水力发电,2024(06).
0
Views
110
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution