[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

说明书

本发明公开了一种基于时空多视图融合的大坝安全监测数据补全方法，包括，根据大坝安全监测数据的特点，在全局空间视图、全局时间视图、局部空间视图、局部时间视图上分别抽象出视图模型；将四个模型利用lasso回归进行融合，产生时空多视图融合模型；利用时空多视图融合模型生成补全数据。在时空特征强相关的情况下，该方法可以很好的解决大坝安全监测数据中存在的块状缺失和局部缺失等问题，且经过在真实大坝安全监测数据上验证，该方法比以往经典算法和传统时空模型具有更小的误差和更好的补全效果。

技术领域

本发明涉及一种缺失数据补全方法，具体涉及一种基于时空多视图融合的大坝安全监测数据补全方法。

背景技术

随着互联网技术的愈发成熟、数据采集和存储能力的高速发展，大数据技术已经完全渗入数据信息领域。而现实数据中存在的缺失问题，导致建立在理想数据集上的模型与方法已经满足不了数据挖掘的真实需求。为了挖掘可靠信息，建立更有效的应用数据挖掘模型，对缺失数据进行补全十分必要。He等人基于深度学习的框架重建缺失的数据，以利于时间序列的分析。该框架建立在观测数据的时间序列上，基于多个预测模型的集合，在虚拟数据的帮助下完成预测模块之间的耦合。最初使用序列的前面部分进行预测，然后以迭代的方式逐渐改善哑元数据，以便更好地符合序列的下一部分。实践证明提出的预测集成方案的有效性。但是，这类所提方法并不能够处理混合分类连续缺失等问题，Vincent基于DAE提出的方法也需要在完整数据前提下才会有更好的准确性，因此对于非完整数据，效果并不理想。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于时空多视图融合的大坝安全监测数据补全方法，在保证数据补全的基础上，提升了补全效果，降低了模型的误差。

为实现上述目的，本发明采用如下的技术方案：

本发明提供一种基于时空多视图融合的大坝安全监测数据补全方法，包括：

构造时空多视图模型，包括：全局空间视图子模型，全局时间视图子模型，局部空间视图子模型和局部时间视图子模型；

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。

进一步的，所述构造时空多视图模型，包括：

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为表示缺失值与监测点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；

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：