典型文献
基于Apriori和GP-XGBoost的特高拱坝变形缺失数据填补方法
文献摘要：
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.
文献关键词：
特高拱坝;变形监测;缺失数据填补;Apriori关联规则;XGBoost回归
中图分类号：
作者姓名：
吴诚姝;陈波;刘庭赫
作者机构：
河海大学 水利水电学院,江苏 南京210098;河海大学 水文水资源与水利工程科学国家重点实验室,江苏 南京210098;中水东北勘测设计研究有限责任公司,吉林 长春130021
文献出处：
引用格式：
[1]吴诚姝;陈波;刘庭赫-.基于Apriori和GP-XGBoost的特高拱坝变形缺失数据填补方法)[J].水资源与水工程学报,2022(06):151-158,166
A类：
B类：
Apriori,GP,XGBoost,特高拱坝,缺失数据填补,填补方法,变形监测数据,服役,性态,蕴藏,时空信息,演变规律,长治久安,外界因素,数据缺失,接下来,分析工作,大坝变形,监测序列,关联规则算法,空间维度,标测,联测,贝叶斯优化,空缺,锦屏,工程实例,该填
AB值：
0.272678
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。
