基于TCN-自適應(yīng)的地下洞室圍巖變形異常數(shù)據(jù)識(shí)別

打開文本圖片集

摘要：水電站地下洞室圍巖變形數(shù)據(jù)具有變化不確定、序列樣本短等特點(diǎn)，傳統(tǒng)的異常識(shí)別方法漏識(shí)率、誤判率較高。隨著智能技術(shù)的發(fā)展，通過神經(jīng)網(wǎng)絡(luò)建立更加可靠的異常識(shí)別方法是目前研究的熱點(diǎn)，而傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)存在時(shí)序關(guān)聯(lián)性不強(qiáng)和計(jì)算模型龐雜等問題。為此，提出了基于時(shí)域卷積神經(jīng)網(wǎng)絡(luò)（TCN）及標(biāo)準(zhǔn)自適應(yīng)的地下洞室異常數(shù)據(jù)識(shí)別算法，該算法利用TCN技術(shù)，考慮序列的前后關(guān)系，建立了更為可靠的序列模型；同時(shí)針對地下洞室監(jiān)測數(shù)據(jù)特征，通過考慮誤差中位數(shù)、數(shù)據(jù)波動(dòng)和儀器精度3個(gè)方面，突現(xiàn)自適應(yīng)匹配最優(yōu)識(shí)別準(zhǔn)則。（剩余10503字）