[发明专利]一种基于ANN的静力水准仪异常数据识别方法及系统

说明书

本发明公开了一种基于ANN的静力水准仪异常数据识别方法及系统，包括，利用静力水准仪采集监测数据并返回监测系统进行数据存储；结合数据预处理策略对所述监测数据进行初步清洗；基于神经网络学习策略构建分析识别模型并对所述监测数据生成的波动进行统计特征分析和预测，完成异常数据识别、异常趋势修正；根据处理结果计算差值修正所述数据。本发明面向识别静力水准仪监测数据中的使用过程中风险识别，具有一定的普适性，且对静力水准仪异常数据识别和数据处理工作有着十分重要的科学意义和应用价值。

技术领域

本发明涉及人工神经网络技术领域，尤其涉及一种基于ANN的静力水准仪异常数据识别方法及系统。

背景技术

近年来，静力水准仪作为一种变形监测设备，其应用效果都得到了相关行业的一致认可，其应用范围也随之不断扩大，在不同类型的监测环境中都扮演了重要的作用。然而，利用连通器原理进行观测的静力水准仪其监测数据受传感器精度、安装质量、气象参数的影响较大。

虽然在其监测结果分析的过程中，可以随时采集静力水准仪的监测数据，然而却由于其体系本身的原理和外界影响，导致其数据波动较大，很难以当前监测数据作为其特征值，从而分析出其在当前时间节点的具体变形，这在一定程度上，让静力水准仪系统无法达到设计精度水平，让灵敏的传感器无法达到预期效果。

与此同时，面对多个测点持续采集数据的情况，其监测数据会随着时间的积累不断增加。过去人工处理数据的方法处理效率低，准确率无法保证的缺点不断暴露。日益积累的数据不但增加了数据处理的难度，还让产生数据偏差的数据不断累积偏差，最终造成数据的持续偏离，直至成为错误数据，无法理解的数据。

随着人工神经网络技术的不断发展，面对该类型问题，通过人工神经网络技术对在线监测数据的实时数据流进行处理，识别其中的异常波动和错误数据，将极大提升数据处理的效率和准确度。以人工神经网络技术作为数据分析模块，能够快速的完成任务，大大降低分析的成本，提升数据分析的准确率。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于ANN的静力水准仪异常数据识别方法及系统，能够解决在处理静力水准仪数据时区分辅助处理和识别风险的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，利用静力水准仪采集监测数据并返回监测系统进行数据存储；结合数据预处理策略对所述监测数据进行初步清洗；基于神经网络学习策略构建分析识别模型并对所述监测数据生成的波动进行统计特征分析和预测，完成异常数据识别、异常趋势修正；根据处理结果计算差值修正所述数据。

作为本发明所述的基于ANN静力水准仪异常数据识别方法的一种优选方案，其中：所述监测数据包括，结构沉降变形数据、环境气象数据、系统基础数据。

作为本发明所述的基于ANN静力水准仪异常数据识别方法的一种优选方案，其中：进行所述初步清洗主要对三类异常数据进行处理，包括缺失值、异常值和去重处理。

作为本发明所述的基于ANN静力水准仪异常数据识别方法的一种优选方案，其中：构建所述分析识别模型包括，输入层、隐藏层1(H₁)、隐藏层2(H₂)、隐藏层3(H₃)、输出层。