基于VMD-LSTM-VAE的渗流监测数据异常值检测模型OA
针对传统渗流监测数据异常值检测方法在处理非线性、非平稳水位监测数据时的不足,提出了一种基于变分模态分解(VMD)、长短期记忆网络(LSTM)和变分自编码器(VAE)的组合模型。该模型利用VMD对水位时间序列进行多尺度分解,获得具有不同频率特征的本征模态函数;通过双层LSTM捕捉各模态分量的时序依赖特征;利用VAE进行特征压缩与重构,并基于重构误差实现异常值的检测。实例验证结果表明,该组合模型能够有效识别孤立异常点和连续异常值序列;在测试集中分别按1%、2%和3%的比例随机添加异常值的场景下,模型均表现出良好的检测性能,验证了其在渗流监测数据异常值检测中有效性。
李梦华;钱胥安;傅蜀燕;赵晗坤;金思彤;欧斌
云南农业大学水利学院 云南省水利水电工程安全重点实验室云南农业大学水利学院 云南省水利水电工程安全重点实验室云南农业大学水利学院 云南省水利水电工程安全重点实验室 云南省中小型水利工程智慧管养工程研究中心云南农业大学水利学院 云南省水利水电工程安全重点实验室云南农业大学水利学院 云南省水利水电工程安全重点实验室云南农业大学水利学院 云南省水利水电工程安全重点实验室 云南省中小型水利工程智慧管养工程研究中心 云南省水安全保障重点实验室
建筑与水利
大坝渗流监测异常值检测变分模态分解长短期记忆网络变分自编码器
《水利水电科技进展》 2026 (4)
P.93-99,109,8
国家自然科学基金项目(52369026,52069029)水灾害防御全国重点实验室2023年度“一带一路”水与可持续发展科技项目(2023490411)云南省农业基础研究联合专项面上项目(202401BD070001-071)云南省水安全保障重点实验室建设项目(20254916CE340051)。
评论