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

李铁; 李涵曼; 王福生; 徐量; 郭瑞

doi:10.20040/j.cnki.1000-7709.2026.20250488

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

水利枢纽、水利建筑物 | 更新时间：2026-02-25

- 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
- 水电能源科学 2026年44卷第1期页码：182-187
- 作者机构：
  
  1. 淮安市水利勘测设计研究院有限公司
  2. 南京水利科学研究院水灾害防御全国重点实验室
  3. 南京水利科学研究院水利部大坝安全管理中心
- 作者简介：
- 基金信息：
  
  国家重点研发计划(2024YFC3210701):大坝安全透彻感知体系构建技术与方法研究
- DOI：10.20040/j.cnki.1000-7709.2026.20250488
  中图分类号： TP18;TV698.1
- 纸质出版：2026
- 稿件说明：
移动端阅览
李铁, 李涵曼, 王福生, 等. 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[J]. 水电能源科学, 2026,44(1):182-187.

李铁, 李涵曼, 王福生, et al. 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[J]. 2026, 44(1): 182-187.
李铁, 李涵曼, 王福生, 等. 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[J]. 水电能源科学, 2026,44(1):182-187. DOI： 10.20040/j.cnki.1000-7709.2026.20250488.

李铁, 李涵曼, 王福生, et al. 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[J]. 2026, 44(1): 182-187. DOI： 10.20040/j.cnki.1000-7709.2026.20250488.

摘要

重力坝监测数据的异常识别对大坝安全评估具有重要意义，针对现有方法在模式辨识和特征提取方面的局限性，提出一种基于VMD-SSA-KMeans-iForest的重力坝监测数据异常值混合识别方法，该方法通过引入变分模态分解(VMD)优化SSA分解过程，显著提升了特征提取的精度和鲁棒性。在此基础上，构建了基于K-means聚类与孤立森林(iForest)协同的异常识别框架，并将该方法应用于W重力坝异常数据识别中。结果表明，所提方法的异常识别准确率提升了2.5%

同时有效区分了结构损伤与仪器故障引起的异常模式，为重力坝安全评估提供了更可靠的技术支持。

Abstract

关键词

Keywords

references

Zhuo Rong,Rui Pang,Bin Xu,Yang Zhou.Dam safety monitoring data anomaly recognition using multiple-point model with local outlier factor[J].Automation in Construction,2024.

Lesouple Julien,Baudoin Cédric,Spigai Marc,Tourneret Jean Yves.Generalized isolation forest for anomaly detection[J].Pattern Recognition Letters,2021.

张瑜,秦学,彭浩.基于平滑阈值与孤立森林的大坝监测数据异常检测[J].人民黄河,2025(03).

欧阳慧泉,杨峰,单定军,肖龙,周迪,李超顺.基于SSA-VMD-WDCNN的水电机组故障诊断[J].水电能源科学,2024(12).

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).

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).

戴领,李少林,刘光彪,纪传波,段国学.基于LV-DBSCAN算法的大坝安全监测数据异常检测[J].人民长江,2024(01).

李元梦,李登华,丁勇.基于DBSCAN的大坝安全监测异常数据检测算法[J].水电能源科学,2024(01).

雷未,王建,吉同元,李鹏飞.基于深度学习框架的长序列大坝监测缺失数据插补模型[J].水利水电科技进展,2023(06).

王岩博,顾冲时,石立,顾昊,张建中,陆希,吴艳,朱明远.基于改进IGGⅢ-ELM法的混凝土坝变形监测数据粗差识别方法[J].水利水电科技进展,2023(06).

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).

蒋齐嘉,蒋中明,唐栋,曾景明.基于SSA-DBSCAN的边坡安全监测数据粗差探测方法[J].长江科学院院报,2022(04).

李秉晨,于惠钧,刘靖宇.基于Kmeans和CEEMD-PE-LSTM的短期光伏发电功率预测[J].水电能源科学,2021(04).

郑霞忠,陈国梁,邹韬.考虑时间序列关联的大坝监测异常数据清洗[J].水力发电,2020(04).

花胜强,胡少英,罗孝兵,高磊,郑健兵.大坝位移监测中的粗差剔除方法[J].水力发电,2017(09).

李川洲.基于关联规则和机器学习的大坝监测异常数据自适应识别方法研究[D].重庆交通大学,2023(05).

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SSA-KMIF的船闸人字门监测数据异常检测方法

主余震序列作用下高重力坝的强震破坏过程分析

基于VMD的供水管道漏损检测研究

重力坝失稳的年失效概率计算方法研究

基于GHOA-VMD-GRU和CNN区间建模的长江上游干流日含沙量预测研究