基于Apriori和GP-XGBoost的特高拱坝变形缺失数据填补方法

来源：水资源与水工程学报杂志2022年第6期北京时间：

作者：吴诚姝，陈波，刘庭赫

单位：1.河海大学水利水电学院,2.河海大学水文水资源与水利工程科学国家重点实验室,3.中水东北勘测设计研究有限责任公司

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。

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

基金资助：国家自然科学基金项目（52079049、51739003）