基于SSA-KMIF的船闸人字门监测数据异常检测方法

肖于思; 马翔宇; 张燎军

doi:10.20040/j.cnki.1000-7709.2025.20250723

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于SSA-KMIF的船闸人字门监测数据异常检测方法

水利枢纽、水利建筑物 | 更新时间：2026-02-25

- 基于SSA-KMIF的船闸人字门监测数据异常检测方法
- 基于SSA-KMIF的船闸人字门监测数据异常检测方法
- 水电能源科学 2025年第9期页码：119-122+105
- 作者机构：
  
  1. 河海大学水利水电学院
  2. 宿迁市港航事业发展中心
- 作者简介：
- 基金信息：
  
  江苏省交通运输科技项目(2020QD28)
- DOI：10.20040/j.cnki.1000-7709.2025.20250723
  中图分类号： U641.8
- 纸质出版：2025
- 稿件说明：
移动端阅览
肖于思, 马翔宇, 张燎军. 基于SSA-KMIF的船闸人字门监测数据异常检测方法[J]. 水电能源科学, 2025,(9):119-122+105.

肖于思, 马翔宇, 张燎军. 基于SSA-KMIF的船闸人字门监测数据异常检测方法[J]. 2025, (9): 119-122+105.
肖于思, 马翔宇, 张燎军. 基于SSA-KMIF的船闸人字门监测数据异常检测方法[J]. 水电能源科学, 2025,(9):119-122+105. DOI： 10.20040/j.cnki.1000-7709.2025.20250723.

肖于思, 马翔宇, 张燎军. 基于SSA-KMIF的船闸人字门监测数据异常检测方法[J]. 2025, (9): 119-122+105. DOI： 10.20040/j.cnki.1000-7709.2025.20250723.

摘要

针对孤立森林算法固定阈值导致复杂工况下检测准确度降低的问题，提出一种基于奇异谱分析(SSA)与改进孤立森林(KMIF)的船闸人字门监测数据异常检测方法。利用SSA对监测数据进行分解与重构，分离趋势项和噪声项；引入K-Means++改进孤立森林算法(IF)

动态设定不同监测数据集的异常阈值；将噪声项输入改进的孤立森林算法进行训练并检测异常值。以江苏船闸工程下闸首人字门的多测点应力、振动数据为对象进行实例验证。结果表明，提出的奇异谱分析-改进孤立森林方法(SSA-KMIF)在误检率、查准率、查全率和准确率指标上表现优异，具有较高准确性和灵活性，可为船闸人字门健康监测提供可靠技术支撑。

Abstract

关键词

Keywords

references

Markus M. Breunig,Hans-Peter Kriegel,Raymond T. Ng,Jörg Sander.LOF[J].ACM SIGMOD Record,2000.

Fei Tony Liu,Kai Ming Ting,Zhi-Hua Zhou.Isolation-Based Anomaly Detection[J].ACM Transactions on Knowledge Discovery from Data (TKDD),2012.

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).

杭震,彭浩,曹文卓,王化明.船闸浮式系船柱运行状态检测方法研究[J].机电工程技术,2022(12).

闫孟婷,陶湘明,王胜军,金艳,黄炜斌,马光文.基于SSA-LSTM模型的水电站能效综合评价方法[J].水电能源科学,2024(02).

徐浩,刘怀利,瞿暄.基于孤立森林的取水数据异常值检测[J].水电能源科学,2024(09).

万可,喻瑾,于俊生.航运枢纽工程船闸闸门启闭机设计分析[J].珠江水运,2024(03).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究

基于孤立森林的取水数据异常值检测

基于SSA-LSTM模型的水电站能效综合评价方法

基于深度卷积神经网络与高斯混合模型的水电机组异常声音检测

基于信号残差修正与PSO-RVM的混凝土拱坝位移组合预测模型