典型文献
基于Kmeans-EMD与IWOA-Elman的碾压速度异常值检测与修正
文献摘要：
碾压速度是评价压实质量的重要指标,但在监控过程中,碾压速度易受施工环境、定位漂移等干扰而出现异常检测值,影响压实质量的评价精度,但目前还缺乏对碾压速度异常值检测与修正的相关方法研究.为保障碾压速度的数据质量,结合碾压速度的时序变化特征,利用Kmeans算法初步定性检测异常值,弱化异常值对经验模态分解(EMD)结果的影响,并基于EMD实现对异常值的精细定量检测,提高异常值检测的精度;进而利用经混沌种群初始化、非线性收敛因子、自适应惯性权重与鲶鱼效应-黄金正弦改进的鲸鱼优化算法(IWOA)优化Elman神经网络,并构建碾压速度异常值修正模型,实现对碾压速度异常值的修正.将本文方法应用于西南某大型水电工程,结果表明:Kmeans算法与EMD的联合作用相比箱线图法可更高精度地检测碾压速度中的异常值;IWOA-El-man神经网络预测值与真实值的相关系数达到0.90775,相比常规模型不仅可以更好地确保数据的完整性与可靠性,还可以为压实质量的高精度评价奠定良好的数据基础.
文献关键词：
碾压速度;异常值检测;Kmeans算法;经验模态分解;异常值修正;IWOA-Elman神经网络
中图分类号：
作者姓名：
乔天诚;佟大威;王佳俊;关涛;吴斌平
作者机构：
天津大学 水利工程仿真与安全国家重点实验室,天津300072
文献出处：
引用格式：
[1]乔天诚;佟大威;王佳俊;关涛;吴斌平-.基于Kmeans-EMD与IWOA-Elman的碾压速度异常值检测与修正)[J].水资源与水工程学报,2022(03):124-131
A类：
异常值修正
B类：
Kmeans,EMD,IWOA,Elman,碾压速度,速度异常,异常值检测,压实质量,施工环境,漂移,出现异常,异常检测,检测值,评价精度,相关方法,数据质量,时序变化特征,定性检测,经验模态分解,定量检测,混沌,种群初始化,非线性收敛因子,自适应惯性权重,鲶鱼效应,黄金正弦,改进的鲸鱼优化算法,修正模型,大型水电工程,联合作用,箱线图法,神经网络预测,真实值,规模型,精度评价,数据基础
AB值：
0.250872
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
