[发明专利]基于KNN-SVR的海底管道漏磁数据缺失插补方法有效
| 申请号： | 201711068452.3 | 申请日： | 2017-11-03 |
| 公开（公告）号： | CN107842713B | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 刘金海;张化光;冯健;马大中;汪刚 | 申请（专利权）人： | 东北大学 |
| 主分类号： | F17D5/02 | 分类号： | F17D5/02 |
| 代理公司： | 沈阳优普达知识产权代理事务所(特殊普通合伙) 21234 | 代理人： | 张志伟 |
| 地址： | 110169 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的基于KNN‑SVR的海底管道漏磁数据缺失插补方法，包括步骤1：从不含缺失点的原始漏磁数据中分割出特征数据块构成完备数据集，构建完备数据集的KD树；步骤2：对含缺失点的漏磁数据进行范化处理，获得由待插补数据块构成的待插补数据集，对待插补数据集进行补零处理；步骤3：在完备数据集中搜索待插补数据块的K近邻，获得K个完备数据块；步骤4：基于K个完备数据块，构建训练集，对训练集进行归一化处理；步骤5：利用支持向量回归机对训练集进行训练；步骤6：预测待插补数据块中的缺失特征值。本发明将基于欧式距离的KNN算法与SVR算法相结合，提高了预测准确度，减少了过拟合问题，同时对于信号噪声具有较好的鲁棒性。 | ||
| 搜索关键词： | 基于 knn svr 海底 管道 数据 缺失 方法 | ||
【主权项】：
1.一种基于KNN‑SVR的海底管道漏磁数据缺失插补方法，其特征在于，包括以下步骤：步骤1：从不含缺失点的原始漏磁数据中分割出特征数据块构成完备数据集，构建完备数据集的KD树；步骤2：对含缺失点的漏磁数据进行范化处理，以获得由待插补数据块构成的待插补数据集，并对待插补数据集进行补零处理；步骤3：在完备数据集中搜索待插补数据块的K近邻，获得K个完备数据块；步骤4：基于K个完备数据块，构建训练集，对训练集进行归一化处理；步骤5：利用支持向量回归机对训练集进行模型训练；步骤6：预测待插补数据块中的缺失特征值，完成对缺失数据的插补。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东北大学，未经东北大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711068452.3/，转载请声明来源钻瓜专利网。
