【技术实现步骤摘要】
检测柔性测斜仪监测数据异常值的方法
[0001]本专利技术涉及一种检测柔性测斜仪监测数据异常值的方法,本专利技术属于位移监测和数据处理
技术介绍
[0002]柔性测斜仪作为一种高精度、自动化监测仪器,被广泛地应用在混凝土大坝监测、边坡监测、地基沉降监测等场景。柔性测斜仪是一种准分布式、纯加速度计组合的静态倾斜测量仪器,它包括带状或柱状测控单元,在带状或柱状测控单元内分布有嵌入的加速度传感器和处理器,加速度传感器感受测控单元的三轴重力加速度分量,加速度传感器通过数据线连接至处理器,处理器通过有线或无线方式将测量的三轴重力加速度分量、位移值传递给监测系统。
[0003]在使用柔性测斜仪进行位移、三轴重力加速度分量监测时,因柔性测斜仪精度高,对现场复杂环境的抗干扰能力较低,导致在实时监测时,常出现大量的偏离真实加速度和位移值的数据,甚至有时还会出现空白值的情况。为防止异常数据干扰柔性测斜仪对监测对象的测量,实现柔性测斜仪对监测对象的准确测量和监测对象真实性状的判断,故需要对柔性测斜仪监测的数据进行实时监测,剔除异常数据。
[0004]传统的检测柔性测斜仪监测数据异常值的方法有:基于统计、邻近度、密度、聚类的检测异常值方法。由于柔性测斜仪监测的加速度值或位移值数据量大、数据多样、异常数据类型复杂,导致传统的检测柔性测斜仪监测数据异常值的方法仍然存在以下问题:1、检测监测数据异常值的效率低下,对系统资源占用率高。传统的检测数据异常值的方法处理对象单一,处理的监测数据量较大时,无法有效识别其中的异常值, ...
【技术保护点】
【技术特征摘要】
1.一种检测柔性测斜仪监测数据异常值的方法,它包括以下步骤:S1、获取柔性测斜仪运行期间监测的时序数据;对采集到的待检测时序数据进行归一化处理;基于需求频率,设定采样频率,对归一化处理后的待检测时序数据进行采样;建立训练样本数据集和测试样本数据集,并分别对两个数据集进行重新编号,得到重新编号后的训练样本数据集A和测试样本数据集B;S2、基于训练样本数据集A,第一次在中位数x
mid
处对其进行切割,计算切割后的训练样本数据集切割点属性值量化指标,搜索切割点C;具体方法如下:S2.1、调取训练样本数据集A中的时序数据,数据量大小为if;S2.2、设定调取的训练样本数据集x
left
和x
right
的初始位置,确认调取的训练样本数据集x
left
至x
right
的中位数x
mid
,计算切割点属性指标CP(A,x
mid
),其中,切割点属性指标CP(A,x
mid
)的表达式如下:式中,A为训练样本数据集,x
mid
为训练样本数据集的中位数,EC(A,x
mid
)为训练样本数据集的均值量化指标,DC(A,x
mid
)为训练样本数据集的离散量化指标,表达式如下:EC(A,x
mid
)=|E(x|x∈A,x<x
mid
)
‑
E(x|x∈A,x>x
mid
)|DC(A,x
mid
)=D(x|x∈A,x<x
mid
)+D(x|x∈A,x>x
mid
)式中,E(x)为均值函数,D(x)为方差函数;S2.3、计算训练样本数据集中x(1)=x
left
到x
mid
的中位数x
left
′
,训练样本数据集中x
mid
到x(l)=x
right
的中位数x
right
′
,计算切割点属性指标CP(A,x
left
′
)和CP(A,x
right
′
);S2.4、比较CP(A,x
left
′
)和CP(A,x
right
′
)的大小;若CP(A,x
left
′
)>CP(A,x
right
′
),则令x
right
′
=x
mid
,否则,令x
left
′
=x
mid
;S2.5、重复S2.3
‑
S2.4,至满足以下条件之一:x
left
′
=x
right
′
,或CP(A,x
left
′
)<CP(A,x
mid
)and CP(A,x
right
′
)<CP(A,x
mid
)则输出切割点C=x
mid
;S3、基于孤立森林算法(iForest)构建柔性测斜仪监测数据异常检测模型,将训练样本数据集A和切割点C带入构建的柔性测斜仪监测数据异常检测模型,完成模型的构建;具体方法如下:S3.1、从训练样本数据集A中随机选择m个点作为子样本集合A1;S3.2、依据步骤S2的方法,在子样本集合A1中搜索切割点C1;S3.3、此切割点C1的选取将当前子样本集合A1切分为2个子样本集:把当前所选维度下小于...
【专利技术属性】
技术研发人员:张磊,刘强,郑磊,曾乾礼,张国新,郑顺祥,谭妮,魏永新,姜云辉,朱岳钢,金鑫鑫,王文学,朱振泱,赵凯,辛建达,赵恒,
申请(专利权)人:中国水利水电科学研究院华电金沙江上游水电开发有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。