基于CNN-LSTM模型的土壤温湿度缺失数据填补算法

1

作者 张瑛进 史志强 +1 位作者 古丽米拉·克孜尔别克 库木斯·阿依肯 《湖北农业科学》 2025年第2期179-183,196,共6页

针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LS... 针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LSTM 5个模型对土壤温湿度传感器网络缺失数据进行填补,并采用Adam算法优化模型,使用决定系数(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)指数对模型填补结果进行评价。结果表明,采用线性插补算法获得完整的数据,CNN-LSTM模型的R^(2)为0.999 9,高于其他模型,MAE、RMSE分别为0.001 85、0.019 70,均远低于其他模型。采用k近邻插补算法获得完整的数据,CNN-LSTM模型的MAE、RMSE分别为0.000 12、0.000 12,均远低于其他模型,R^(2)为0.999 4,高于CNN模型、TCN模型;CNN-LSTM模型对土壤温湿度传感器数据缺失值的填补效果最好。CNN-LSTM模型在处理大规模土壤温湿度传感器缺失数据问题时具有较好的可行性和精确度。 展开更多

关键词 CNN-LSTM模型 土壤 温湿度 缺失数据填补算法

在线阅读 下载PDF 职称材料

基于泛化中心聚类的时间序列缺失数据填补方法

2

作者 于艳朋 惠向晖 《吉林大学学报(理学版)》 北大核心 2025年第4期1137-1142,共6页

针对填补时间序列中的缺失值通常依赖于已有数据的预测,由于时间序列的复杂性和不确定性导致预测结果常存在误差的问题,为保证数据填补效果,提出一种基于泛化中心聚类的时间序列缺失数据填补方法.首先,计算对象与类之间、类与类之间的距... 针对填补时间序列中的缺失值通常依赖于已有数据的预测,由于时间序列的复杂性和不确定性导致预测结果常存在误差的问题,为保证数据填补效果,提出一种基于泛化中心聚类的时间序列缺失数据填补方法.首先,计算对象与类之间、类与类之间的距离,量化数据点与聚类中心之间的相对位置关系,得到数据间的空间关系.其次,利用信息瓶颈算法对空间中的泛化中心进行聚类处理,将含有缺失数据的时间序列数据集划分到同一类中.最后,计算簇半径,对泛化中心聚类后产生的离群点数据再次进行可用、弱可用随机损坏数据划分,设置波动阈值,将位于波动阈值内的随机损坏数据与聚类中统一属性值进行字符串对比,实现时间序列缺失数据填补.实验结果表明,该方法在聚类过程中有较高的标准化互信息和命中率,在缺失数据填补时,可保证数据补齐率在80%以上,说明该方法可有效改善时间序列数据的完整性. 展开更多

关键词 泛化中心聚类 时间序列 缺失数据填补 信息瓶颈 随机损坏数据 补齐率

在线阅读 下载PDF 职称材料

基于缺失数据填补的油浸式变压器故障诊断 被引量：9

3

作者 廖才波 杨金鑫 +3 位作者 邱志斌 胡雄 蒋子豪 李欣 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期4091-4100,共10页

数据质量是影响变压器故障诊断模型准确性及可靠性的重要因素。针对现有变压器故障诊断模型对数据完整性要求较高等问题,以油浸式变压器为研究对象,提出了一种基于缺失数据填补的变压器故障诊断方法。首先,采用极端随机树(extremely ran... 数据质量是影响变压器故障诊断模型准确性及可靠性的重要因素。针对现有变压器故障诊断模型对数据完整性要求较高等问题,以油浸式变压器为研究对象,提出了一种基于缺失数据填补的变压器故障诊断方法。首先,采用极端随机树(extremely randomized trees,ERT)算法对变压器样本的缺失数据进行填补,通过与多种回归模型对比,评价ERT模型的预测效果。然后,基于油中溶解气体数据,提取能够反映变压器运行状态的16维特征集合,形成完备信息的变压器故障诊断样本。最后,利用树结构概率密度估计(tree-structured parzen estimator,TPE)算法实现梯度提升树(gradient boosting decision tree,GBDT)模型的参数优化,构建基于TPE-GBDT的变压器故障诊断模型。研究结果表明,在对缺失率为10%的变压器样本数据进行填补时,ERT算法的决定系数达到0.96,高于线性回归和随机森林回归等算法。此外,基于ERT填补后的样本数据在TPE-GBDT模型的平均诊断准确率和标准差分别为90.1%和0.036,其准确性和稳定性均优于线性判别分析和随机森林分类等算法。该方法能够有效提升变压器样本质量和故障诊断效果,可为变压器运维检修提供针对性的指导建议。 展开更多

关键词 变压器 缺失数据填补 极端随机树 故障诊断 梯度提升树 油中溶解气体分析

在线阅读 下载PDF 职称材料

基于不完备集双聚类的缺失数据填补算法 被引量：12

4

作者 韩飞 沈镇林 《计算机工程》 CAS CSCD 北大核心 2016年第4期20-26,共7页

缺失数据填补是数据清洗领域的一个重要问题。由于绝大部分局部填补方法基于全部属性进行分类,未考虑对象属性之间的关联性,因此基于不完备集双聚类,提出一种缺失数据填补算法。该算法利用双聚类完美簇的平均平方残基为0及簇内的属性值... 缺失数据填补是数据清洗领域的一个重要问题。由于绝大部分局部填补方法基于全部属性进行分类,未考虑对象属性之间的关联性,因此基于不完备集双聚类,提出一种缺失数据填补算法。该算法利用双聚类完美簇的平均平方残基为0及簇内的属性值波动一致的特点,对缺失数据进行填补。通过数学分析,把寻找含有缺失值的最大完美簇问题转化为求解缺失对象与其他对象之间的最大相似属性集问题,在相同的最大相似属性集下,以缺失值的众数作为填补值。采用4组UCI数据集进行实验,结果表明,该算法相比ROUSTIDA算法平均提高了77.13%的填补值精确度。 展开更多

关键词 缺失数据填补 不完备集 双聚类 最大相似属性集 数据清洗 完美簇

在线阅读 下载PDF 职称材料

基于缺失数据填补的辐射源识别方法 被引量：1

5

作者 刘海军 柳征 +1 位作者 姜文利 周一宇 《宇航学报》 EI CAS CSCD 北大核心 2010年第5期1438-1445,共8页

针对模板雷达特征参数残缺而造成的测量辐射源不能正确识别问题,提出了一种基于缺失数据填补的辐射源识别算法。该算法利用矢量神经网络对缺失数据进行填补,并对填补后的训练样本进行重新训练,从而得到网络结构参数。仿真实验表明本文... 针对模板雷达特征参数残缺而造成的测量辐射源不能正确识别问题,提出了一种基于缺失数据填补的辐射源识别算法。该算法利用矢量神经网络对缺失数据进行填补,并对填补后的训练样本进行重新训练,从而得到网络结构参数。仿真实验表明本文方法不仅能处理缺失数据,而且在噪声环境下也能识别区间类型和标量类型的输入矢量。 展开更多

关键词 辐射源识别 矢量神经网络 缺失数据填补

在线阅读 下载PDF 职称材料

多元时间序列缺失数据填补方法 被引量：16

6

作者 李正欣 张凤鸣 +2 位作者 王瑛 陶茜 李超 《系统工程与电子技术》 EI CSCD 北大核心 2018年第1期225-230,共6页

多元时间序列是一种普遍存在的数据类型,受多种干扰因素的作用,序列中难免存在缺失数据,影响后续的分析处理。首先,针对存在缺失数据的序列,搜索与其同类的相似序列,构建训练集;然后,利用最小二乘支持向量机,分别进行多变量填补和单变... 多元时间序列是一种普遍存在的数据类型,受多种干扰因素的作用,序列中难免存在缺失数据,影响后续的分析处理。首先,针对存在缺失数据的序列,搜索与其同类的相似序列,构建训练集;然后,利用最小二乘支持向量机,分别进行多变量填补和单变量填补;第三,根据多变量和单变量填补结果的差异度,提出了一种组合阈值填补方法。最后,对所提方法进行了实验验证,结果表明,它具有较高的填补精度且适用于缺失数据较多的场合。 展开更多

关键词 多元时间序列 缺失数据填补 相似性搜索 最小二乘支持向量机

在线阅读 下载PDF 职称材料

一种基于双聚类的缺失数据填补方法 被引量：12

7

作者 郝胜轩 宋宏 周晓锋 《计算机应用研究》 CSCD 北大核心 2015年第3期674-678,共5页

针对现实数据集的数据缺失问题,提出了一种基于双聚类的缺失数据填补新方法。该算法利用双聚类簇内平均平方残值越小簇内数据相似性越高的这一特性,将缺失数据的填补问题转换为求解特定双聚类簇最小平均平方残值的问题,进而实现了数据... 针对现实数据集的数据缺失问题,提出了一种基于双聚类的缺失数据填补新方法。该算法利用双聚类簇内平均平方残值越小簇内数据相似性越高的这一特性,将缺失数据的填补问题转换为求解特定双聚类簇最小平均平方残值的问题,进而实现了数据集中缺失元素的预测;再利用二次函数求解极小值的思想对包含有缺失数据的特定双聚类簇最小平均平方残值的问题进行求解,并进行了数学上的分析证明。最后进行仿真验证,通过观察UCI数据集的实验结果可知,提出的算法具有较高的填补准确性。 展开更多

关键词 缺失数据填补 双聚类 双聚类数据填补 数据清洗

在线阅读 下载PDF 职称材料

基于自注意力生成对抗网络的电力设备在线监测缺失数据填补 被引量：15

8

作者 周远翔 林孟龙 +2 位作者 陈健宁 白正 陈明 《高电压技术》 EI CAS CSCD 北大核心 2023年第5期1795-1809,共15页

电力设备的在线监测系统常出现不同程度的数据缺失,而传统的缺失数据填补模型精度较低。因此提出一种基于自注意力生成对抗网络(self-attention generative adversarial networks,SA-GAN)的电力设备在线监测缺失数据填补模型。首先搭建... 电力设备的在线监测系统常出现不同程度的数据缺失,而传统的缺失数据填补模型精度较低。因此提出一种基于自注意力生成对抗网络(self-attention generative adversarial networks,SA-GAN)的电力设备在线监测缺失数据填补模型。首先搭建基于自注意力机制的时间序列填补模型,并对权重融合模块进行改进,然后将时间序列填补模型作为生成器,构造对应的判别器与损失函数,提出了具有自注意力机制的生成对抗网络SA-GAN,对电力设备在线监测数据进行缺失填补。最后通过实际工程中的电力变压器、高压电缆在线监测数据对模型进行训练与测试,验证了模型的有效性。结果表明,通过局部遮掩对110 kV变压器在线监测数据进行自然缺失模拟并通过各类缺失填补模型进行补全时,SA-GAN模型的平均绝对误差(mean absolute error,MAE)最高为0.11,均方根误差(root mean square error,RMSE)最高为0.17,较其他模型分别至少降低19.10%、14.07%,验证了SA-GAN模型的有效性;对9.51%自然缺失率下的220 kV高压电缆在线监测数据进行填补时,SA-GAN模型的MAE为0.58,RMSE为0.84,较其他模型分别至少降低21.71%、14.43%,表明该模型可在电力设备状态异常且部分监测数据缺失的条件下有效恢复缺失数据。此外,经SA-GAN模型填补之后的数据有效提高了高压电缆序列的预测精度,间接验证了SA-GAN模型缺失数据填补的有效性。 展开更多

关键词 自注意力 生成对抗网络 在线监测 缺失数据填补 时序特征

在线阅读 下载PDF 职称材料

基于缺失数据填补的风电齿轮箱状态监测研究 被引量：11

9

作者 徐健 刘长良 +1 位作者 王梓齐 赵陆阳 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第9期88-97,共10页

风电机组监控和数据采集系统的现场数据普遍存在缺失问题,会对下游状态监测任务产生一定负面影响。为此,提出一种结合注意力机制的掩膜自编码网络,用于填补面板数据样本中的缺失值,增加可用样本数量,提升状态监测结果的准确性与连续性... 风电机组监控和数据采集系统的现场数据普遍存在缺失问题,会对下游状态监测任务产生一定负面影响。为此,提出一种结合注意力机制的掩膜自编码网络,用于填补面板数据样本中的缺失值,增加可用样本数量,提升状态监测结果的准确性与连续性。该方法以降噪自编码网络为整体框架,在编码阶段通过注意力机制对缺失值进行掩膜处理,赋予缺失值更高的权重以强化网络对其关注程度,在解码阶段将缺失值填补后输出完备数据样本。随后,利用长短时记忆网络提取的样本特征对目标变量参数进行预测,依据预测残差实现状态监测。使用某风电齿轮箱运行数据验证,结果表明:提出方法的数据填补偏差相较对比方法至少改善17.2%;与数据填补前相比,数据填补后样本数量显著增加,使状态监测网络对正常数据的预测残差平均下降37.4%,对故障数据的检测率提升6.8%。 展开更多

关键词 缺失数据填补 自编码网络 注意力机制 风电机组 状态监测

在线阅读 下载PDF 职称材料

基于Apriori和GP-XGBoost的特高拱坝变形缺失数据填补方法 被引量：7

10

作者 吴诚姝 陈波 刘庭赫 《水资源与水工程学报》 CSCD 北大核心 2022年第6期151-158,166,共9页

变形监测数据作为特高拱坝服役性态最直观的表征,蕴藏着丰富的时空信息和演变规律,对工程长治久安意义重大。然而,多源多维的变形监测数据受仪器本身及外界因素影响,往往存在数据缺失的现象,会对接下来的数据分析工作造成干扰。针对大... 变形监测数据作为特高拱坝服役性态最直观的表征,蕴藏着丰富的时空信息和演变规律,对工程长治久安意义重大。然而,多源多维的变形监测数据受仪器本身及外界因素影响,往往存在数据缺失的现象,会对接下来的数据分析工作造成干扰。针对大坝变形监测序列中的缺失数据,基于Apriori关联规则算法挖掘测点变形在空间维度上的关联性,得到目标测点的强关联测点,随后以强关联测点的变形监测数据作为输入样本,利用贝叶斯优化的XGBoost回归模型填补了目标测点的空缺变形监测序列。结合锦屏一级特高拱坝工程实例表明,该填补方法实现了变形监测空缺信息的高效、精准填补,可用于类似大坝工程的变形缺失数据填补。 展开更多

关键词 特高拱坝 变形监测 缺失数据填补 Apriori关联规则 XGBoost回归

在线阅读 下载PDF 职称材料

基于支持向量机的桥梁健康监测系统残缺数据填补 被引量：7

11

作者 符欲梅 朱芳 昝昕武 《传感技术学报》 CAS CSCD 北大核心 2012年第12期1706-1710,共5页

针对桥梁健康监测系统中采集数据具有小样本、非线性且时序的特点,提出一种基于支持向量机的残缺数据填补方法,在分析数据的自相关性基础上,利用支持向量回归机原理,选择适当维数的样本作为支持向量机的输入向量,据此进行了残缺数据的预... 针对桥梁健康监测系统中采集数据具有小样本、非线性且时序的特点,提出一种基于支持向量机的残缺数据填补方法,在分析数据的自相关性基础上,利用支持向量回归机原理,选择适当维数的样本作为支持向量机的输入向量,据此进行了残缺数据的预测;并与BP神经网络的填补效果相比较,实验结果显示了支持向量机在更小样本情况下填补残缺数据的优势和强泛化能力。 展开更多

关键词 桥梁健康监测系统 缺失数据填补 时间序列 支持向量机

在线阅读 下载PDF 职称材料

基于机器学习的配电网异常缺失数据动态清洗方法 被引量：20

12

作者 梅玉杰 李勇 +3 位作者 周王峰 郭钇秀 邓威 乔学博 《电力系统保护与控制》 EI CSCD 北大核心 2023年第7期158-169,共12页

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算... 针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。 展开更多

关键词 配电网 数据清洗 异常数据辨识 缺失数据填补 高斯混合模型 随机森林

在线阅读 下载PDF 职称材料

基于模拟退火优化双聚类的基因数据填补方法 被引量：1

13

作者 朱娴 杨明 +1 位作者 马卫 朱俊 《计算机应用与软件》 2017年第11期247-251,共5页

基因表达数据是由DNA微阵列实验产生的大规模矩阵,能有效地提取生物学信息,由于受到实验条件限制,基因表达数据往往存在缺失值,需要进行缺失数据的填补。传统的缺失数据填补方法是基于基因表达数据的单一特征,未充分考虑数据矩阵间的相... 基因表达数据是由DNA微阵列实验产生的大规模矩阵,能有效地提取生物学信息,由于受到实验条件限制,基因表达数据往往存在缺失值,需要进行缺失数据的填补。传统的缺失数据填补方法是基于基因表达数据的单一特征,未充分考虑数据矩阵间的相关性。针对双聚类均方残值越小基因表达数据相关性越高这一特性进行研究,提出一种基于模拟退火优化双聚类的缺失数据填补方法(bi-SA),采用模拟退火法确定最优双聚类,从而实现缺失数据的最有效填补。四组真实基因表达数据实验表明,bi-SA方法能够获得较高的填补准确性。 展开更多

关键词 基因表达数据 缺失数据填补 模拟退火法 双聚类

在线阅读 下载PDF 职称材料

基于数据填补的煤自燃温度预测模型 被引量：13

14

作者 翟小伟 罗金雷 +3 位作者 张羽琛 宋波波 郝乐 周妤婕 《工矿自动化》 CSCD 北大核心 2023年第1期28-35,98,共9页

现有煤自燃温度预测模型的建立大多基于较为完整的指标气体样本数据,但指标气体数据受仪器或人为因素影响,往往存在数据缺失现象,导致煤自燃温度预测准确率较低和过拟合等问题。针对上述问题,提出了将K近邻算法(KNN)、随机森林(RF)、决... 现有煤自燃温度预测模型的建立大多基于较为完整的指标气体样本数据,但指标气体数据受仪器或人为因素影响,往往存在数据缺失现象,导致煤自燃温度预测准确率较低和过拟合等问题。针对上述问题,提出了将K近邻算法(KNN)、随机森林(RF)、决策树(DT)及基于粒子群优化的支持向量回归等填补算法(PSO-SVR)应用于缺失值填补,缺失数据和填补后的数据通过RF、SVR和极限梯度提升树(XGBoost)算法分别进行训练,并通过PSO算法优化参数,构建了基于数据填补的RF、XGBoost和SVR煤自燃温度预测模型。利用煤自然发火实验选取CO,CO_(2),CH4,C_(2)H_(6),O_(2)作为指标气体,并设计整体缺失率为10%,20%,30%和CO,CO_(2)缺失率为40%,50%,60%共6种随机数据缺失,采用平均绝对误差百分比(MAPE)作为填补效果评价指标,采用MAPE、判断系数R^(2)和均方根误差(RMSE)作为模型性能评价指标,对4种填补算法和3种预测模型进行对比。对比分析结果表明:在6种数据缺失情况下,DT填补算法填补效果优于其他3种算法,在CO,CO_(2)存在较多缺失值时,RF算法的填补值与实际值的MAPE偏大;在不调参的情况下,XGBoost模型虽然在训练集效果极好,但极易过拟合,而SVR模型预测效果极差,无法满足预测要求;在6种数据缺失情况下,基于DT填补算法的PSO-SVR、RF与PSO-RF煤自燃温度预测模型的MAPE均在4%左右,基于DT填补算法的RF模型无需优化就能较好地预测出煤自燃温度,具有良好的稳定性。 展开更多

关键词 煤自燃 温度预测 指标气体 数据缺失填补 K近邻填补算法 随机森林填补算法 决策树回归填补算法 基于粒子群优化的支持向量回归填补算法

在线阅读 下载PDF 职称材料

基于商空间的不完备形式背景填补方法研究

15

作者 张其文 王培瑾 《计算机应用与软件》 北大核心 2018年第8期37-42,49,共7页

目前,在常用缺失数据填补算法中,需要逐个计算所有对象之间的相似度。然而,在数据缺失率较高的情况下,相似度的计算难度也随之加大,导致填补效率低下、填补准确度不高。为提高算法效率和准确度,结合粒计算,提出基于商空间的数据填补算... 目前,在常用缺失数据填补算法中,需要逐个计算所有对象之间的相似度。然而,在数据缺失率较高的情况下,相似度的计算难度也随之加大,导致填补效率低下、填补准确度不高。为提高算法效率和准确度,结合粒计算,提出基于商空间的数据填补算法。引入对象间的近似度上界、下界,计算模糊近似评估矩阵;通过分层递阶结构的推理模型,对对象集进行粒化,压缩了对象集规模,提高了算法效率;根据实际应用需求给出填补结果。通过在真实数据集上的实验表明,该算法在数据缺失率较高时能够显著提高填补效率,并且保持高准确性。 展开更多

关键词 缺失数据填补 商空间 模糊近似评估矩阵 分层递阶结构 粒

在线阅读 下载PDF 职称材料

综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用 被引量：9

16

作者 谌桢文 常军 《科学技术与工程》 北大核心 2023年第20期8846-8853,共8页

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补... 桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归(ridge regression,RR)解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了有效的预测模型。 展开更多

关键词 大数据 缺失数据填补 数据预测 岭回归(RR) 季节性差分自回归滑动平均(SARIMA)

在线阅读 下载PDF 职称材料

基于半监督学习的输电线路状态预测 被引量：4

17

作者 王艳芹 徐宁 +2 位作者 董祯 王勇 张洪珊 《电力系统及其自动化学报》 CSCD 北大核心 2023年第7期129-136,共8页

输电线路状态评估及预测对于合理制定运维策略、提高运维水平具有重大意义。针对现有模型无法兼顾鲁棒性和数据需求量的问题,本文提出一种基于半监督学习的状态预测方法。首先,对拓展后的特征向量,利用正则矩阵填补缺失数据,并通过表征... 输电线路状态评估及预测对于合理制定运维策略、提高运维水平具有重大意义。针对现有模型无法兼顾鲁棒性和数据需求量的问题,本文提出一种基于半监督学习的状态预测方法。首先,对拓展后的特征向量,利用正则矩阵填补缺失数据,并通过表征学习解决稀疏编码问题。然后,借助少量标注样本初步确定线路区段在不同缺陷状态下的类别中心。最后,使用未标注样本对模型估计参数进行修正。算例分析表明,该方法与现有模型相比,识别准确率大幅提升且数据使用效率更高。 展开更多

关键词 输电线路 缺陷状态预测 缺失数据填补 表征学习 半监督学习

在线阅读 下载PDF 职称材料