[發明專利]一種基于時空多視圖融合的大壩安全監測數據補全方法

有效

• 申請號: 202110255306.1
• 申請日: 2021-03-09
• 公開（公告）號: CN113139571B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 張世偉;呂鑫;蔣金磊;吳光耀;王順波;余記遠;廖貴能;彭欣欣;余意
• 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: G06V10/80
• 分類號: G06V10/80;G06V10/74;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

本發明公開了一種基于時空多視圖融合的大壩安全監測數據補全方法，包括，根據大壩安全監測數據的特點，在全局空間視圖、全局時間視圖、局部空間視圖、局部時間視圖上分別抽象出視圖模型；將四個模型利用lasso回歸進行融合，產生時空多視圖融合模型；利用時空多視圖融合模型生成補全數據。在時空特征強相關的情況下，該方法可以很好的解決大壩安全監測數據中存在的塊狀缺失和局部缺失等問題，且經過在真實大壩安全監測數據上驗證，該方法比以往經典算法和傳統時空模型具有更小的誤差和更好的補全效果。

技術領域

本發明涉及一種缺失數據補全方法，具體涉及一種基于時空多視圖融合的大壩安全監測數據補全方法。

背景技術

隨著互聯網技術的愈發成熟、數據采集和存儲能力的高速發展，大數據技術已經完全滲入數據信息領域。而現實數據中存在的缺失問題，導致建立在理想數據集上的模型與方法已經滿足不了數據挖掘的真實需求。為了挖掘可靠信息，建立更有效的應用數據挖掘模型，對缺失數據進行補全十分必要。He等人基于深度學習的框架重建缺失的數據，以利于時間序列的分析。該框架建立在觀測數據的時間序列上，基于多個預測模型的集合，在虛擬數據的幫助下完成預測模塊之間的耦合。最初使用序列的前面部分進行預測，然后以迭代的方式逐漸改善啞元數據，以便更好地符合序列的下一部分。實踐證明提出的預測集成方案的有效性。但是，這類所提方法并不能夠處理混合分類連續缺失等問題，Vincent基于DAE提出的方法也需要在完整數據前提下才會有更好的準確性，因此對于非完整數據，效果并不理想。

發明內容

為解決現有技術的不足，本發明的目的在于提供一種基于時空多視圖融合的大壩安全監測數據補全方法，在保證數據補全的基礎上，提升了補全效果，降低了模型的誤差。

為實現上述目的，本發明采用如下的技術方案：

本發明提供一種基于時空多視圖融合的大壩安全監測數據補全方法，包括：

構造時空多視圖模型，包括：全局空間視圖子模型，全局時間視圖子模型，局部空間視圖子模型和局部時間視圖子模型；

將所構建的時空多視圖模型進行融合，生成時空多視圖融合模型；

采用時空多視圖融合模型對大壩安全監測數據進行數據補全。

進一步的，所述構造時空多視圖模型，包括：

采用反轉距離加權插值算法構造全局空間視圖子模型：

其中，v₁為全局空間視圖維度產生的補全值，v_i,t為監測點i在時間t時的監測值，n為監測點數，d_i為表示缺失值與監測點i之間的空間距離，α為衰減因子，是監測點i的權重；

基于牛頓冷卻定律構造全局時間視圖子模型：

其中，v₂為全局時間視圖維度產生的補全值，β_i表示監測點i的冷卻因子，是監測點i在時間t_x時的監測值，t_x-t表示時間t到時間t_x之間發生了數據缺失的時長，為監測點i所有監測值的平均值；

采用基于用戶的協同過濾算法和趨勢相似性相結合的算法構造局部空間視圖子模型：

其中，v₃為局部空間視圖維度產生的補全值，K為根據趨勢相似性選取的監測點個數，表示監測點間的局部空間相似性矩陣；

采用基于物品的協同過濾算法和趨勢相似性相結合的算法構造局部時間視圖子模型：