[發明專利]一種基于最優混合估值的大壩安全監測數據補全方法

在審

• 申請號: 202110242719.6
• 申請日: 2021-03-05
• 公開（公告）號: CN113139570A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 朱思敏;呂鑫;遲福東;彭欣欣;余意;廖貴能;陳豪;王順波;吳光耀
• 申請（專利權）人: 河海大學;華能瀾滄江水電股份有限公司;華能集團技術創新中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張賞

1.一種基于最優混合估值的大壩安全監測數據補全方法，其特征在于，包括：

將大壩安全監測數據集劃分為訓練集和測試集；所述大壩安全監測數據集中每條數據由多個特征屬性和一個類標簽構成；

基于訓練集構建最優預測模型，預測樣本所屬各個類的概率分布；

采用最優預測模型對測試集中各數據所屬類的概率分布進行預測，生成測試集樣本概率向量；

基于測試集樣本概率向量進行聚類；

基于聚類結果和缺失數據類型對測試集中缺失數據進行補全。

2.根據權利要求1所述的一種基于最優混合估值的大壩安全監測數據補全方法，其特征在于，所述將大壩安全監測數據集劃分為訓練集和測試集，包括：

將大壩安全監測數據集分為完整子數據集和非完整子數據集，將完整子數據集作為訓練集，非完整子數據集作為測試集；

所述非完整子數據集是指，如果一條數據的某些特征屬性或類標簽缺失，則該條數據被分為非完整子數據集。

3.根據權利要求2所述的一種基于最優混合估值的大壩安全監測數據補全方法，其特征在于，所述基于訓練集構建最優預測模型，預測樣本所屬各個類的概率分布，包括，

建立XgBoost預測模型：

采用訓練集對所述XgBoost預測模型進行訓練，得到最優XgBoost預測模型。

4.根據權利要求3所述的一種基于最優混合估值的大壩安全監測數據補全方法，其特征在于，在訓練過程中，采用貪心調參法，對XgBoost預測模型參數先粗調后再精調；通過粗調得出參數最優取值范圍，精調采用縮小步長的方法，在最優取值范圍內找到最優的參數值，從而得出最優XgBoost預測模型。

5.根據權利要求3所述的一種基于最優混合估值的大壩安全監測數據補全方法，其特征在于，所述采用最優預測模型對測試集中各數據所屬類的概率分布進行預測，生成測試集樣本概率向量，包括，

將測試集放入最優XgBoost預測模型中，得出測試集中每個樣本所屬各個類的概率分布；

將測試集中各個樣本所屬類的概率值轉化為測試集樣本概率向量。

6.根據權利要求5所述的一種基于最優混合估值的大壩安全監測數據補全方法，其特征在于，所述基于測試集樣本概率向量進行聚類，包括：

采用K-Means算法對測試集樣本概率向量進行聚類，得出每個樣本所屬的類和對應的K個類中心。

7.根據權利要求6所述的一種基于最優混合估值的大壩安全監測數據補全方法，其特征在于，所述基于聚類結果和缺失數據類型對測試集中缺失數據進行補全，包括：

對于測試集中每條數據的每個缺失特征屬性判斷數據類型，

如果是連續型數據存在缺失，則用該條數據所屬的聚類的類中所有樣本對應特征屬性的均值來補全缺失的特征屬性；

如果是離散型數據缺失，則將該條數據所屬的聚類的類的極大似然估計作為補全的特征屬性。