共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于孤立森林算法的高拱坝施工期变形异常值检测模型显示文摘【目的】高拱坝建设过程中的倒悬变形是导致施工期裂缝的原因之一,采用连续测斜设备开展施工期变形监测时,因分层浇筑等施工过程造成的监测异常值需进行检测和判断。【方法】结合工程实际所需精度,设计了变形监测试验以模拟拱坝工作状态和“突变”过程。针对试验结果,提出了一种基于孤立森林算法的异常值检测模型,通过小波变换预处理数据,降噪后的数据采用改进孤立森林算法检测异常值,将结果通过窗函数回归分析,并和实际调节数据进行对比。【结果】结果表明,对比传统孤立森林算法,改进孤立森林算法在各个调节值下的识别率均达到95%。当调节值为0.1 mm时,本模型的预测变形为0.105 mm,误差为5.0%;当调节值为0.6 mm时,本模型的预测变形为0.610 mm,误差为5.0%;当调节值为1.0 mm时,本模型的预测变形为1.010 mm,误差为1%;当调节值为1.4 mm时,本模型的预测变形为1.424 mm,误差为1.7%。【结论】根据模型预测结果和实际调节值对比,本模型的异常值识别率在各加载位移下均大于96%,误差率在各加载位移下均小于5%,能有效识别测斜仪在高拱坝施工期位移监测中的“突变”异常值。 | 郑磊 纪新帅 齐问坛 韩国君 张磊 张国新 | 2023 | 水利水电技术(中英文)2023，54，9： | 0 |
| 2 | 基于机器学习的尾矿库监测数据异常识别研究显示文摘尾矿库在线监测是尾矿库安全预警的重要手段,如何识别监测数据中不符合实际情况的异常值,是提升尾矿库安全预警准确率的关键,也是尾矿库在线监测面临的重要问题。采用单类支持向量机、局部离群因子和3σ准则三种方法,对三组尾矿库在线监测数据进行异常识别;根据分类评价指标,研究了不同方法对异常数据的识别效能。结果显示,单类支持向量机、局部离群因子和3σ准则三种方法的平均查准率分别为0.962、0.934和0.929,平均查全率分别为0.960、0.910和0.256,平均正确率分别为0.984、0.970和0.855,平均F1分值分别为0.960、0.921和0.393,平均计算耗时为0.023 s、7.549 s和0.348 s。研究结果表明,单类支持向量机法和局部离群因子法的异常识别效果显著优于3σ准则法,单类支持向量机法识别效果优于局部离群因子法,计算速度显著优于局部离群因子法,其异常识别正确率高、计算速度快、综合性能较好。研究结果为尾矿库在线监测预警领域异常数据识别提供了有益参考。 | 楚一帆 王伟象 王莎 梅国栋 | 2023 | 中国矿业2023，32，8： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员