检索结果-内蒙古大学图书馆

建筑结构 2025年第7期 89-96页

作者：杨彬潘立程朱海涛孙思远张其林同济大学土木工程学院

结构健康监测是验证结构设计理论以及结构状态评估的重要方法。受外部环境因素和传感器设备不稳定的影响，超高层结构健康监测系统存在数据缺失问题，严重影响结构状态评估。以上海中心大厦加速度监测数据为研究对象，利用结构不同空间... 详细信息

结构健康监测是验证结构设计理论以及结构状态评估的重要方法。受外部环境因素和传感器设备不稳定的影响，超高层结构健康监测系统存在数据缺失问题，严重影响结构状态评估。以上海中心大厦加速度监测数据为研究对象，利用结构不同空间位置处振动响应之间的空间相关性，采用卷积-门控循环单元神经网络(CGRU),并引入掩码(Mask)层，对完全随机缺失的加速度监测数据进行修复，并对比了几种常见神经网络在不同缺失率下的数据修复效果。结果表明，CGRU-Mask神经网络模型能够有效解决加速度监测数据完全随机缺失的问题，且在高缺失率情况下含有Mask层神经网络的性能显著高于未引入Mask层的神经网络。此外，对修复数据进行模态分析的结果表明，高缺失率下的修复数据依旧能与完整数据的模态频率识别结果一致。

关键词：超高层结构结构健康监测空间相关性 CGRU-Mask神经网络数据修复

来源：评论

学校读者我要写书评

暂无评论

基于K-SVD与FDTW的电力负荷数据修复研究

引用

自动化应用 2025年第4期66卷 92-94页

作者：姚晓明国网北京市电力公司北京100031

在电力负荷数据修复领域,现有方法在处理数据缺失和异常值时存在一定的局限性。基于K-SVD和FDTW两种算法,提出了一种新的电力负荷数据修复方法。旨在通过结合K-SVD算法的稀疏编码特性和FDTW算法的高效时间序列匹配能力,开发出一种能够... 详细信息

在电力负荷数据修复领域,现有方法在处理数据缺失和异常值时存在一定的局限性。基于K-SVD和FDTW两种算法,提出了一种新的电力负荷数据修复方法。旨在通过结合K-SVD算法的稀疏编码特性和FDTW算法的高效时间序列匹配能力,开发出一种能够提高数据修复精度和计算效率的混合算法,为电力系统的数据完整性和准确性提供可靠保障。

关键词： K-SVD FDTW 电力负荷数据修复

来源：评论

学校读者我要写书评

暂无评论

基于时空矩阵分解的路网交通数据修复方法

引用

广西师范大学学报(自然科学版) 2025年第2期43卷 20-29页

作者：许伦辉许润南广东科技学院计算机学院广东东莞523083 华南理工大学土木与交通学院广东广州510641

针对城市路网交通数据缺失问题,综合考虑交通数据客观存在的时空特性,本文提出一种基于时空矩阵分解(spatial-temporal matrix factorization,STMF)的路网交通数据修复方法。首先依据路网时空属性,将多维交通数据处理为二维矩阵形式,将... 详细信息

针对城市路网交通数据缺失问题,综合考虑交通数据客观存在的时空特性,本文提出一种基于时空矩阵分解(spatial-temporal matrix factorization,STMF)的路网交通数据修复方法。首先依据路网时空属性,将多维交通数据处理为二维矩阵形式,将其分解为空间特征矩阵和时间特征矩阵,并通过低秩近似的方式重构不完整交通数据矩阵,实现缺失数据的基本修复。然后,利用图拉普拉斯(graph Laplacian,GL)和门控循环网络(gated recurrent network,GRN)分别作为空间和时间正则器,进一步挖掘路网交通数据的空间结构关联特性和时间依赖特性,有效提高路网交通数据的修复精度。最后,采用洛杉矶交通速度数据集(Metr-LA)和广州交通数据集(Guangzhou-D)对STMF模型的性能与GAIN、BGCP、BTMF、LRTC-TNN和HaLRTC等基准模型进行对比,实验结果表明,本文提出的基于时空矩阵分解STMF模型相比基准模型,能更好地适应不同的缺失场景和不同的缺失率,缺失数据修复性能具有更好的鲁棒性。

关键词：智能交通数据修复矩阵分解交通数据图拉普拉斯门控循环网络

来源：评论

学校读者我要写书评

暂无评论

基于GRU神经网络的结构异常监测数据修复方法

引用

振动与冲击 2023年第9期42卷 328-338页

作者：鞠翰文邓扬李爱群北京建筑大学土木与交通工程学院北京100044 北京建筑大学北京节能减排与城乡可持续发展省部共建协同创新中心北京100044

结构健康监测系统中通常存在大量的异常监测数据,为保证数据的完整性和可用性,有必要对异常监测数据进行修复。大多数基于深度学习对异常数据进行修复的研究通常使用单输入维度和单向预测的方法搭建模型。提出一种基于门控循环(gated re... 详细信息

结构健康监测系统中通常存在大量的异常监测数据,为保证数据的完整性和可用性,有必要对异常监测数据进行修复。大多数基于深度学习对异常数据进行修复的研究通常使用单输入维度和单向预测的方法搭建模型。提出一种基于门控循环(gated recurrent unit,GRU)神经网络的结构异常监测数据修复方法,该方法充分利用深度学习神经网络适合处理复杂非线性映射问题的优势,并对GRU神经网络进行了优化与重构。利用结构温度、时序先后相关性优化神经网络的输入和输出构造,并提出了利用异常数据前后时间段的信息进行双向序列预测的方法提升数据预测和修复精度。最后,利用某古城墙的应变、裂缝与温度监测数据进行方法验证,采用重构后的GRU神经网络模型对异常数据序列进行修复,并与长短时记忆(long and short-term memory,LSTM)神经网络和反向传播(back propagation,BP)神经网络的修复精度进行比较。结果表明,相比单输入维度、单向预测的网络模型,重构后的GRU神经网络的预测精度大幅提高,且显著优于LSTM神经网络和BP神经网络。异常数据序列修复后,应变和裂缝宽度等结构响应与结构温度的线性相关性大幅增强。该方法对具有温度相关性的结构监测数据具有良好的修复能力。

关键词：结构健康监测数据修复深度学习神经网络温度

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知的振动数据修复方法

引用

物理学报 2014年第20期63卷 115-124页

作者：张新鹏胡茑庆程哲钟华国防科学技术大学机电工程与自动化学院装备综合保障技术重点实验室长沙410073

为解决旋转机械振动信号丢失数据修复的问题,提出一种基于压缩感知原理的振动数据修复方法.首先对采集到的不完整信号进行处理,将无信息输入时刻对应的数据用零元素填充得到有损信号,以单位矩阵为基础,根据有损信号中零元素的位置信息,... 详细信息

为解决旋转机械振动信号丢失数据修复的问题,提出一种基于压缩感知原理的振动数据修复方法.首先对采集到的不完整信号进行处理,将无信息输入时刻对应的数据用零元素填充得到有损信号,以单位矩阵为基础,根据有损信号中零元素的位置信息,构造对应于压缩感知框架下的观测矩阵;再根据待修复信号的特点并结合先验知识,构造或选择能够对振动信号进行稀疏表示的字典矩阵;然后使用高效且稳定的追踪算法,根据有损信号、观测矩阵以及字典矩阵重构原始信号,实现丢失振动数据的修复.使用仿真数据检验方法的有效性;使用实测的轴承振动状态数据验证方法对于振动数据的适用性,并通过比较完整信号、有损信号和修复信号对应的时域和频域特征值来检验数据修复效果.实验结果表明:本文方法能够有效地实现丢失数据的修复,且从统计特征的角度来看,相比于有损信号,修复信号能够更为准确地描述真实完整的振动信号.

关键词：数据修复压缩感知振动信号观测矩阵

来源：评论

学校读者我要写书评

暂无评论

基于皮尔逊相关系数的光伏电站数据修复

引用

中国电机工程学报 2022年第4期42卷 1514-1522页

作者：纪德洋金锋冬雷张姗于坤洋中山北京理工大学研究院广东省中山市528437 北京理工大学自动化学院北京市海淀区100081 93126部队空军装备部北京市海淀区100081

针对光伏电站采集数据的过程中存在数据异常或缺失的实际情况,提出了一种基于皮尔逊相关系数的插值方法。该方法根据皮尔逊相关系数找到与缺失数据相似的时刻,再根据相似时刻的数据估计出缺失的数据。这种方法能够有效的对数据进行修复... 详细信息

针对光伏电站采集数据的过程中存在数据异常或缺失的实际情况,提出了一种基于皮尔逊相关系数的插值方法。该方法根据皮尔逊相关系数找到与缺失数据相似的时刻,再根据相似时刻的数据估计出缺失的数据。这种方法能够有效的对数据进行修复,还原准确度更高,最大化提高残缺数据的使用率。

关键词：光伏电站数据缺失皮尔逊相关系数数据修复

来源：评论

学校读者我要写书评

暂无评论

利用联合图模型的传感器网络数据修复方法

引用

西安电子科技大学学报 2020年第1期47卷 44-51页

作者：杨杰蒋俊正桂林电子科技大学信息与通信学院广西壮族自治区桂林541004 桂林电子科技大学广西无线宽带通信与信号处理重点实验室广西壮族自治区桂林541004

为了保证无线传感器网络数据本身的可靠性,以及不会因为数据缺失而导致数据处理过程中的效率降低,提出了一种利用联合图模型的传感器网络数据修复算法。首先基于网络数据的时间域平滑特性和空间域平滑特性建立联合图域模型,然后根据联... 详细信息

为了保证无线传感器网络数据本身的可靠性,以及不会因为数据缺失而导致数据处理过程中的效率降低,提出了一种利用联合图模型的传感器网络数据修复算法。首先基于网络数据的时间域平滑特性和空间域平滑特性建立联合图域模型,然后根据联合图域模型中网络数据的关联特性设计迭代恢复算法,最终实现网络数据恢复的目的。通过实验仿真表明,该方法与图信号模型中基于图全变分最小化算法相比,利用联合图模型的修复算法不仅数据修复精度提高约30%,迭代次数下降约80%。

关键词：无线传感器网络数据修复图信号处理联合图模型

来源：评论

学校读者我要写书评

暂无评论

环境监测中异常数据识别与修复

引用

中文科技期刊数据库（全文版）自然科学 2025年第1期 026-030页

作者：吕承凯济宁市兖州生态环境监控中心山东济宁272100

在环境监测领域GeoHash-LOF算法融合了GeoHash技术,有效划分地址空间、实现区域数据的聚类,降低运算复杂度。方法考虑了广泛的区域特征,突破了传统局部离群因子(LOF)算法的局限,提高了异常数据识别的效率和准确性。研究者通过采用遗传... 详细信息

在环境监测领域GeoHash-LOF算法融合了GeoHash技术,有效划分地址空间、实现区域数据的聚类,降低运算复杂度。方法考虑了广泛的区域特征,突破了传统局部离群因子(LOF)算法的局限,提高了异常数据识别的效率和准确性。研究者通过采用遗传算法优化的GM模型(GA-GM)进一步提升异常数据预测的准确度。实践证明,通过欧洲核能机构数据集的分析,GeoHash-LOF与GA-GM的联合使用相比于现有算法在异常值识别及数据填补方面展现出更高的效率和准确性。

关键词：环境监测数据修复 GeoHash-LOF算法 GA-GM算法

来源：评论

学校读者我要写书评

暂无评论

基于张量分解理论的车道级交通流数据修复算法

引用

吉林大学学报（工学版） 2021年第5期51卷 1708-1715页

作者：陆文琦周天谷远利芮一康冉斌东南大学交通学院南京211189 北京交通大学综合交通运输大数据应用技术行业重点实验室北京100044

为减少数据缺失对交通流量预测、高级驾驶辅助、交通状态估计等应用的影响,提升交通流数据质量,提出一种基于自适应秩Tucker分解的插补方法(ARTDI)用于多车道交通流数据修复。将多车道交通流数据表征为张量模式,以充分利用交通流时空特... 详细信息

为减少数据缺失对交通流量预测、高级驾驶辅助、交通状态估计等应用的影响,提升交通流数据质量,提出一种基于自适应秩Tucker分解的插补方法(ARTDI)用于多车道交通流数据修复。将多车道交通流数据表征为张量模式,以充分利用交通流时空特性。通过张量Tucker分解构建修复目标函数,并利用动量梯度下降法求解。本文采用北京快速路多断面车道交通流速度数据构建完全随机缺失、随机缺失、混合缺失3种缺失模式进行算法验证,实验结果显示,ARTDI算法在3种缺失类型下对3个断面数据修复的平均绝对百分误差(MAPE)分别为11.67%、12.03%、11.89%。此外,随着数据缺失率的增长,ARTDI模型在不同缺失模式下的修复精度均优于对比模型,并且修复误差无显著增长,体现出ARTDI模型良好的稳定性和适用性。

关键词：交通运输系统工程数据修复张量分解理论 Tucker分解车道交通流

来源：评论

学校读者我要写书评

暂无评论

基于时效规则的数据修复方法

引用

软件学报 2019年第3期30卷 589-603页

作者：段旭良郭兵沈艳申云成董祥千张洪四川大学计算机学院四川成都610065 四川农业大学信息工程学院四川雅安625014 成都信息工程大学控制工程学院四川成都610054

数据时效性是影响数据质量的重要因素,可靠的数据时效性对数据检索的精确度、数据分析结论的可信性起到关键作用.数据时效不精确、数据过时等现象给大数据应用带来诸多问题,很大程度上影响着数据价值的发挥.对于缺失了时间戳或者时间不... 详细信息

数据时效性是影响数据质量的重要因素,可靠的数据时效性对数据检索的精确度、数据分析结论的可信性起到关键作用.数据时效不精确、数据过时等现象给大数据应用带来诸多问题,很大程度上影响着数据价值的发挥.对于缺失了时间戳或者时间不准确的数据,精确恢复其时间戳是困难的,但可以依据一定的规则对其时间先后顺序进行还原恢复,满足数据清洗及各类应用需求.在数据时效性应用需求分析的基础上,首先明确了属性的时效规则相关概念,对属性的时效规则等进行了形式化定义;然后提出了基于图模型的时效规则发现以及数据时序修复算法;随后,对相关算法进行了实现,并在真实数据集上对算法运行效率、修复正确率等进行了测试,分析了影响算法修复数据正确率的一些影响因素,对算法进行了较为全面的分析评价.实验结果表明,算法具有较高的执行效率和较好的时效修复效果.

关键词：数据质量数据时效数据修复数据清洗个人大数据

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：