基于相似测点对比的大坝变形监测数据粗差识别方法OA北大核心CSTPCD
针对混凝土坝变形监测数据粗差检测方法难以区分粗差和环境突变引起的数据跳跃问题,提出了一种基于K-means++距离聚类算法分区,采用OPTICS密度聚类算法结合局部异常因子(LOF)算法识别监测数据中粗差的大坝变形监测数据粗差识别方法。该方法通过K-means++算法实现测点区域划分,联合使用OPTICS算法和LOF算法进行粗差确定,通过对比属于同一分区不同测点的粗差出现时间来判定真实粗差。算例分析结果表明,该方法能有效鉴别变形监测数据中由环境突变引起的数据跳跃,显著提高粗差识别的准确性,降低粗差误判率。
陈立秋;顾冲时;邵晨飞;顾昊;高睿颖;
河海大学水灾害防御全国重点实验室,江苏南京210098 河海大学水利水电学院,江苏南京210098 河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京210098
水利科学
大坝变形监测数据粗差环境变化K-means++算法OPTICS算法LOF算法
《水利水电科技进展》 2024 (004)
P.72-77 / 6
国家自然科学基金项目(U2243223,52209159);江苏省水利科技项目(2022024);中国博士后科学基金项目(2023M730934)。
评论