基于互信息和图扩散卷积网络的土石坝渗流监测数据插补方法  

An missing value imputation method for seepage monitoring data of embankment dam using graph diffusion convolution neural networks

作　　者：毛建刚 阿尔娜古丽·艾买提 李丽 颜志光 廖攀 MAO Jiangang;A ErNaGuLi

机构地区：[1]新疆水利水电科学研究院,新疆乌鲁木齐830049 [2]博河流域管理处,新疆博乐833400 [3]新疆水发建设集团有限公司,新疆乌鲁木齐830052

出　　处：《水利规划与设计》2024年第5期58-61,69,共5页Water Resources Planning and Design

基　　金：新疆维吾尔自治区公益性科研院所基本科研业务经费资助项目(KY2023106);新疆维吾尔自治区水利科技专项(xskj-2023-23)。

摘　　要：土石坝渗流监测数据的插补修复质量好坏对监测数据分析成果的精度、正确与否会产生重大的影响,甚至会对决策产生误判。文章引入图卷积神经网络和门控循环单元,深度挖掘渗压监测数据中的时空信息,提取监测序列间的时空表征,对缺失数据进行建模和估计,建立了基于图扩散卷积递归神经网络的土石坝渗流监测数据深度学习插补模型。工程实例应用结果表明,该模型在插补精度、鲁棒性方面有较好的改善。

关 键 词：土石坝渗流 深度学习 大坝安全监测 图扩散卷积神经网络 监测数据插补 

分 类 号：TV698[水利工程—水利水电工程]