大坝监测数据的时序预测与补全

• 作者: 张礼兵 杜曼玲 田天 罗明清 胡文波 陈云天 高嘉欣
• 来源期刊: 水力发电
• 学科: 工学
• 关键词: 大坝 监测数据 时间序列预测和补全 机器学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 安全监测与评价
• 页码范围: 111-115
• 页数: 5页
• 分类号: TV736
• 语种: 中文

摘要

大坝安全数据的时间序列预测和补全是大坝安全监测中两个常见问题.在实际应用中,应对这两类问题已有相应的经验模型,但由于经验模型过于简单,经验模型在上述两类问题上的效果并不理想.采用机器学习中的决策树模型和神经网络模型,为上述两类问题提供全新的解决方案.基于某水电大坝实测数据,对不同坝段的大坝安全数据进行预测和补全,结果表明本文模型相比于传统经验模型预测与补全精度均显著提高,同时,该模型还可以对模型输出结果进行不确定性分析,增强了结果的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张礼兵		14	11	2.0	3.0
2	杜曼玲		1	0	0.0	0.0
3	高嘉欣		1	0	0.0	0.0
4	罗明清		1	0	0.0	0.0
5	陈云天		1	0	0.0	0.0
6	胡文波		1	0	0.0	0.0
7	田天		1	0	0.0	0.0