[发明专利]一种基于时空多视图融合的大坝安全监测数据补全方法

权利要求书

1.一种基于时空多视图融合的大坝安全监测数据补全方法，其特征在于，包括：

构造时空多视图模型，如下：

采用反转距离加权插值算法构造全局空间视图子模型：

其中，v₁为全局空间视图维度产生的补全值，v_i,t为监测点i在时间t时的监测值，n为监测点数，d_i为缺失值与监测点i之间的空间距离，α为衰减因子，是监测点i的权重；

基于牛顿冷却定律构造全局时间视图子模型：

其中，v₂为全局时间视图维度产生的补全值，β_i表示监测点i的冷却因子，是监测点i在时间t_x时的监测值，t_x-t表示时间t到时间t_x之间发生了数据缺失的时长，为监测点i所有监测值的平均值；

采用基于用户的协同过滤算法和趋势相似性相结合的算法构造局部空间视图子模型：

其中，v₃为局部空间视图维度产生的补全值，K为根据趋势相似性选取的监测点个数，表示监测点间的局部空间相似性矩阵，S_u为局部相似性矩阵，S_v为趋势相似性矩阵；

采用基于物品的协同过滤算法和趋势相似性相结合的算法构造局部时间视图子模型：

其中，v₄为局部时间视图维度产生的补全值，表示监测点间的局部时间相似性矩阵，t₁,t₂表示两个时间段；

将所构建的时空多视图模型进行融合，生成时空多视图融合模型；

采用时空多视图融合模型对大坝安全监测数据进行数据补全。

2.根据权利要求1所述的一种基于时空多视图融合的大坝安全监测数据补全方法，其特征在于，所述全局空间视图子模型中，采用不同衰减因子的取值下进行多次实验，选取使预测值与真实值的平均绝对误差值最小的衰减因子作为该子模型的α。

3.根据权利要求1所述的一种基于时空多视图融合的大坝安全监测数据补全方法，其特征在于，所述采用基于用户的协同过滤算法和趋势相似性相结合的算法构造局部空间视图子模型，包括：

基于用户的协同过滤算法，采用皮尔逊相似度计算两个监测点之间的相似性，构建局部相似性矩阵S_u；

结合趋势相似性，选取最近的K个监测点；

对于K个监测点，提取所计算的时间段内各监测点每一天相比于前一天的变化，若比前一天增加则记为1，若不增加则记为0，从而形成该时间段的一个由0和1构成的序列，每个监测点均形成一个序列；

计算两个监测点序列间的汉明距离，得到两监测点间的趋势相似性矩阵S_v；

计算局部相似性矩阵S_u和趋势相似性矩阵S_v之间的矩阵相似性

将根据比重与趋势相似性进行结合，得到最终的监测点间的局部空间相似性矩阵

基于构造局部空间视图子模型。

4.根据权利要求1所述的一种基于时空多视图融合的大坝安全监测数据补全方法，其特征在于，所述采用基于物品的协同过滤算法和趋势相似性相结合的算法构造局部时间视图子模型，包括：

采用基于物品的协同过滤算法计算两个时间段(t₁,t₂)之间的皮尔逊相似性矩阵；

结合趋势相似性，选取最近的K个监测点，计算得到两监测点间的趋势相似性矩阵；

将皮尔逊相似性矩阵根据比重与趋势相似性矩阵结合，得到最终的监测点间的局部时间相似性矩阵

基于构造局部时间视图子模型。