[发明专利]一种用于边坡监测数据粗差剔除的方法

权利要求书

1.一种用于边坡监测数据粗差剔除的方法，其特征在于，包括如下步骤：

S1、数据预处理：对需要粗差剔除的边坡监测数据进行预处理，获取特征数据；

S2、建立预测矩阵：将S1中获取的特征数据分别输入到m个PSO-TELM模型中，根据所述m个PSO-TELM模型的输出结果，获得预测矩阵T；所述预测矩阵T如下式所示：

所述预测矩阵T中每一行代表一个模型的预测输出，a为PSO-TELM模型的输出数据，m为自然数，代表PSO-TELM模型的数量；

S3、剔除粗差数据：对预测矩阵T按列求均值得到新的矩阵T′＝(a₁，a₂，…，a_n)_1×n，再对矩阵T′求均值s和方差d值；

若T′中元素满足：a_i-s＞d，i＝1，2，…，n，则剔除a_i所对应的特征数据，反之，则保留a_i所对应的特征数据，获得精确的边坡监测数据，n为自然数，代指PSO-TELM模型的输出数据的数量；

所述步骤S1之前还包括：

S001、获取优化TELM模型参数：通过粒子群算法计算获得优化TELM模型参数；

S002、建立PSO-TELM模型：将S001中获取的参数用于对TELM模型进行优化，建立m个PSO-TELM模型，其中m为自然数；

所述步骤S001还包括如下子步骤：

S00101、初始化：随机训练得到权值和阈值，将权值和阈值范围作为粒子速度和位置寻优范围；

S00102、选择参数：种群规模M＝12，最大迭代次数R＝100，惯性权值ω＝1，学习因子c₁、c₂，其中c₁＝c₂＝2，粒子维数Z＝3；

S00103、确定适应度函数，计算每个粒子的适应度值，求出每个粒子的个体极值和全局极值；

S00104、更新粒子的速度和位置；

S00105、迭代，直到满足停止条件R＝100时退出，得到最优TELM模型参数。

2.如权利要求1所述的方法，其特征在于，

所述步骤S1包括：

运用欧几里得算法计算采集到的原始数据的所有变量数据间距离，其中，所述原始数据矩阵如下：

在D维数据向量空间中，给定具有N个数据变量，第i个数据表示为X_i＝{x_1i，x_2i，…，x_Di}，i＝1，2，…N，写成数据矩阵形式：

X_i中每个数据到同一行向量中其他数据间的距离用d_ji表示；d_qi和d_hi是考虑多维度时的数据间的距离；

单个维度情况时：x_j，i表示数据矩阵X_D×N中第j行第i列的数据；

两个维度情况时：p和q代表数据矩阵的第p行和第q行，k代表数据矩阵的第k列；

三个维度情况时：f，h，r分别代表数据矩阵互不相同的三行，k代表数据矩阵的第k列；

经过以上处理得到特征数据的数据矩阵如下式所示：

3.如权利要求2所述的方法，其特征在于，所述步骤S1还包括：

将特征数据矩阵X′_D′×N输入到由H个RBM限制玻尔兹曼机组成的DBN网络中进行进一步的特征提取，得到优化的特征数据，H为自然数，代指组成DBN网络的RBM限制玻尔兹曼机数量。