科研之友
微信
新浪微博
Facebook
分享链接
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-Elman神经网络预测值与真实值的相关系数达到0.907 75,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。
-
单位天津大学; 水利工程仿真与安全国家重点实验室
