基于時空聚類和深度學習的混凝土壩變形異常值識別方法

摘要： 針對傳統(tǒng)大壩異常值識別方法多依靠單測點模型，未充分考慮測點間變形的時空關聯(lián)特性，易造成異常值誤診斷的問題，提出了基于時空聚類和深度學習的混凝土壩變形異常值識別方法。該方法利用測點間變形的時空關聯(lián)特性對混凝土壩測點變形數據進行時空聚類分區(qū)，基于新型蜜獾優(yōu)化算法(HBA)與雙向長短時記憶(BiLSTM)神經網絡構建HBA-BiLSTM變形預測模型，根據模型輸出的變形值以及異常值判別... （共7頁）