基于時空聚類和深度學(xué)習(xí)的混凝土壩變形異常值識別方法

摘要： 針對傳統(tǒng)大壩異常值識別方法多依靠單測點模型，未充分考慮測點間變形的時空關(guān)聯(lián)特性，易造成異常值誤診斷的問題，提出了基于時空聚類和深度學(xué)習(xí)的混凝土壩變形異常值識別方法。該方法利用測點間變形的時空關(guān)聯(lián)特性對混凝土壩測點變形數(shù)據(jù)進(jìn)行時空聚類分區(qū)，基于新型蜜獾優(yōu)化算法(HBA)與雙向長短時記憶(BiLSTM)神經(jīng)網(wǎng)絡(luò)構(gòu)建HBA-BiLSTM變形預(yù)測模型，根據(jù)模型輸出的變形值以及異常值判別... （共7頁）