[发明专利]一种大坝变形监测连续性缺失数据补全方法

权利要求书

1.一种大坝变形监测连续性缺失数据补全方法，其特征在于，包括如下步骤：

(1)利用反转距离加权插值和双向简单指数平滑插值对大坝变形监测数据连续性缺失预处理；

(2)从全局空间角度，利用反转距离加权插值方法，计算大坝变形监测测点间空间相似性，对缺失数据进行全局空间插值，得到大坝变形监测缺失数据补全初步结果MM_gs；

(3)从全局时间角度，利用双向简单指数平滑插值方法，计算大坝变形监测测点间的时间相似性，对缺失数据进行全局时间插值，得到大坝变形监测缺失数据补全初步结果MM_gt；

(4)从局部空间角度，利用用户协同过滤即User Collaborative Filtering,UCF方法，计算变形监测测点间局部空间相似性，对缺失数据进行局部空间插值，得到大坝变形监测缺失数据补全初步结果MM_ls；

(5)从局部时间角度，利用基于测点-时间二部图的能量扩散协同过滤方法，对变形监测缺失数据进行局部时间插值，得到大坝变形监测缺失数据补全初步结果MM_lt；

(6)从语义角度，利用文本特征结构嵌套即Structural Embedding,SE方法，计算大坝变形监测测点间功能相似性，对缺失数据进行语义插值，得到大坝变形监测缺失数据补全初步结果MM_sem；

(7)构造人工神经网络模型，将步骤(2)-(6)的缺失数据补全初步结果作为输入，利用深度神经网络进行训练，实现非线性融合，完成大坝变形监测连续性缺失数据补全。

2.如权利要求1所述的大坝变形监测连续性缺失数据补全方法，其特征在于，所述步骤(2)利用全局空间相关性进行对大坝变形监测连续性缺失数据在全局空间视图补全，具体步骤如下：

(2.1)计算各候选变形监测测点i距离目标变形监测测点的空间距离d_i，利用距离赋予各自候选变形监测测点相应的权值d_i^-α，其中候选变形监测测点为除目标变形监测测点之外的大坝变形监测测点；

(2.2)通过赋予的权值进行估计缺失值，得到的结果作为全局空间视图的补全初步结果，其计算方式为MM_gs作为全局空间补全初步结果。

3.如权利要求1所述的大坝变形监测连续性缺失数据补全方法，其特征在于，所述步骤(3)利用全局时间相关性进行对大坝变形监测连续性缺失数据在全局时间视图补全，具体步骤如下：

(3.1)依据双向简单指数平滑赋予测点i各自候选时间戳相应的权值，候选时间戳t_x的权值为其中|t_x-t|为候选变形监测数据与目标变形监测数据mm_i,t的时间间隔；

(3.2)通过赋予的权值进行估计缺失值，得到的结果作为全局时间视图的预估计值，计算方式为其中，MM_gt作为全局时间补全初步结果，β为平滑因子，t_x,1≤x≤n代表所有时间戳。

4.如权利要求1所述的大坝变形监测连续性缺失数据补全方法，其特征在于，所述步骤(4)具体实施步骤如下：

(4.1)通过变形监测测点在不同时间戳的数据，计算不同时间戳中相似性；考虑各个测点衡量尺度问题，采用滑动窗口ω，通过测点u的监测数据和测点v的监测数据计算两个测点数据修正的余弦相似性，其中和表示时间戳，表示测点u在产生的数据；余弦相似性计算方式为其中，sim(S_u,S_v)为测点u和测点v的相似性，和表示两个测点数据的平均值，I_u和I_v分别表示测点u和测点v未缺失时间戳集合，I_uv是测点u和测点v在同一个时间戳都有数据的时间戳集合；mm_u,t,mm_v,t为监测矩阵MM中的实体数据，代表u测点和v测点在t时间戳的监测数据；

(4.2)将用户相似性大小按照降序进行排序，选择前k个测点构成目标测点的最近邻集合V，其中V＝{V₁,V₂,…,V_k},使得

(4.3)利用依据相似性进行权值分配，得到缺失数据补全初步结果MM_ls。