大坝监测数据的时序预测与补全

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.

关键词：大坝、监测数据、时间序列预测和补全、机器学习

所属期刊栏目：46

分类号：TV736(水能利用、水电站工程)

资助基金：中国电力建设股份有限公司科技项目经费资助DJ-ZDXM-2018-18

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：111-115