一种大坝原型观测数据的可靠性辨识与挖掘方法

    公开(公告)号:CN115062379A

    公开(公告)日:2022-09-16

    申请号:CN202210638562.3

    申请日:2022-06-08

    Applicant: 南昌大学

    Abstract: 本发明公开了一种大坝原型观测数据的可靠性辨识与挖掘方法,具体是将大坝位移监测数据进行小波阈值降噪,具体降噪过程是通过对比不同小波分解层数、小波基、阈值选取准则、阈值函数的降噪效果,得到最佳的适用于静水压力大坝位移数据的小波变换阈值降噪组合方式,再根据大坝位移监测数据的序列特性选择最为合适的AR时间序列模型作为预报模型,其间也将AIC准则定阶AR模型与BIC准则定阶AR模型预报效果进行对比得到了现在具有最佳预报效果的小波变换阈值BIC准则定阶AR组合预报模型,有效解决了由于大坝监测数据含有大量白噪声,预测模型训练了过多错误信息产生过拟合问题,使得模型的预测精度大大提升。

    一种大坝原型观测数据的可靠性辨识与挖掘方法

    公开(公告)号:CN114595503A

    公开(公告)日:2022-06-07

    申请号:CN202210223496.3

    申请日:2022-03-09

    Applicant: 南昌大学

    Abstract: 本发明公开了一种大坝原型观测数据的可靠性辨识与挖掘方法,具体是将大坝位移监测数据进行小波阈值降噪,具体降噪过程是通过对比不同小波分解层数、小波基、阈值选取准则、阈值函数的降噪效果,得到最佳的适用于静水压力大坝位移数据的小波变换阈值降噪组合方式,再根据大坝位移监测数据的序列特性选择最为合适的AR时间序列模型作为预报模型,其间也将AIC准则定阶AR模型与BIC准则定阶AR模型预报效果进行对比得到了现在具有最佳预报效果的小波变换阈值BIC准则定阶AR组合预报模型,有效解决了由于大坝监测数据含有大量白噪声,预测模型训练了过多错误信息产生过拟合问题,使得模型的预测精度大大提升。

Patent Agency Ranking