基于全卷积神经网络的大坝变形监测数据粗差识别方法研究

作     者：齐智勇 孙辅庭 毛延翩 周建波 张春辉 李秋炎 QI Zhi-yong;SUN Fu-ting;MAO Yan-pian;ZHOU Jian-bo;ZHANG Chun-hui;LI Qiu-yan

作者机构：中国长江电力股份有限公司湖北宜昌443002 国家能源局大坝安全监察中心浙江杭州311122 中国电建集团华东勘测设计研究院有限公司浙江杭州311122 

基　　金：国家重点研发计划(2021YFC3090100) 

出 版 物：《水电能源科学》 (Water Resources and Power)

年 卷 期：2023年第41卷第3期

页      码：87-90页

摘      要：针对大坝变形监测数据普遍存在粗差的问题,采用全卷积神经网络(FCN)模型对人工标记数据集进行表征学习的方法实现变形粗差数据识别的人工智能模拟;在此基础上,利用Python和Tensorflow框架构建了用于变形监测数据粗差识别的FCN模型并以人工标注数据集进行模型训练;最后,以训练得到的最优模型对某重力坝变形监测数据进行粗差识别应用。结果表明,经训练的FCN模型能够较准确地识别大坝变形监测数据中的粗差值,提高了大坝安全管理效率。

主 题 词：监测 粗差 全卷积神经网络 大坝安全 人工智能 

学科分类：081504[081504] 08[工学] 0815[工学-矿业类] 

D　O　I：10.20040/j.cnki.1000-7709.2023.20220749

馆 藏 号：203118770...