[發明專利]基于多任務高斯過程的大壩監測系統缺失數據重構方法

有效

• 申請號: 202011276563.5
• 申請日: 2020-11-16
• 公開（公告）號: CN112580682B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 李揚濤;包騰飛;舒小頌;高治鑫;朱征;胡雨涵;龔建;張康
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01D18/00
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董成

1.基于多任務高斯過程的大壩監測系統缺失數據重構方法，其特征在于，包括：

步驟一，統計大壩安全監測系統各監測項目下的傳感器數目、類別及分布情況，根據監測項目、傳感器是否正常工作以及傳感器是否存在缺失數據對傳感器進行分類，將傳感器劃分為正常傳感器和故障傳感器，并重新編號，將每個傳感器作為一個任務；

步驟二，所述正常傳感器已有監測數據及日期，將正常傳感器已有的監測數據及日期作為每個任務的輸入和輸出，并進行預處理及標準化，構建多任務高斯過程模型，輸入所有任務訓練多任務高斯過程模型；

步驟三，所述故障傳感器缺失數據，所述缺失數據包括缺失值及日期，將故障傳感器的缺失值及日期作為多任務高斯過程模型的輸入，訓練好的多任務高斯過程模型同時重構多個任務的缺失傳感器數據；

所述步驟二中，所述高斯過程是關于時間域隨機變量的聯合，所述時間域為時間或空間，其中每個點上隨機變量都服從高斯分布：

即f(x)～GP(m(x),k(x,x′))

其中，均值和協方差函數分別表示為：

m(x)＝E[f(x)]，k(x,x′)＝E[(f(x)-m(x))(f(x′)-m(x′))]

f(x)代表真實高斯過程的回歸函數，m(x)反映了函數f(x)在輸入點x的期望值，協方差函數k(x,x′)視為對m(x)的置信區間的一個度量，E[]代表數學期望，f(x')代表高斯回歸模型對測試集輸入變量的預測值；

式中：x和x′分別代表訓練和測試樣本；

所述高斯過程還包括：協方差函數

協方差函數用于衡量置信水平，式中：代表振幅，λ代表尺寸特征長度；

實際大壩監測序列同時是有噪聲的，如：

y＝f(x)+ε

式中：ε是滿足正態獨同立分布的高斯噪聲，是噪聲的標準差；

所述高斯過程還包括：原始大壩安全監測序列通常包含噪聲項，y＝f(x)+ε，其中假設真實高斯過程回歸方程f(x)服從高斯過程先驗，f(x)～GP(m(x),k(x,x′))，給定n個訓練監測值，式中對測試集的輸入X_*滿足一個聯合高斯分布

其中K＝k(X,X)是所有監測點之間的協方差矩陣，K_*＝k(X,X_*)是新加入監測點與已有監測點之間的協方差矩陣,K_**＝k(X_*,X_*)是新加入點之間的協方差矩陣，

根據高斯分布的條件性質獲得預測均值和方差的分布：

所使用協方差函數的未知參數通過最小化負對數似然函數以及共軛梯度法來確定：

θ代表高斯過程回歸模型中未知的超參數。

2.根據權利要求1所述的基于多任務高斯過程的大壩監測系統缺失數據重構方法，其特征在于：

所述步驟二中，標準化的過程為：

對大壩監測序列x₁,x₂,...,x_n進行變換：

式中：為該大壩監測序列均值，s為監測序列標準差，則新生成序列y₁,y₂,...,y_n均值為0,方差為1，且無量綱。

3.根據權利要求1所述的基于多任務高斯過程的大壩監測系統缺失數據重構方法，其特征在于：所述高斯過程還包括：通過定義新的復合協方差函數實現考慮多個任務之間的相關性，給定輸入x和x′，以及任務i與j，則兩個數據點和兩個任務間的協方差表示為：k_multi([x,i],[x′,j])＝k_inputs(x,x′)×k_tasks(i,j)

其中k_inputs是一個常規的高斯核函數，用于度量輸入之間的相似性，k_tasks是一個特殊的核函數，用于考慮不同任務間的相似性。