一种深度学习结合迁移学习推断大坝缺失监测值的方法

摘要

不同监测项目的测值,如变形、应力是内外影响因素的不同响应,不同项目测点与损坏测点的时空关系也是推断缺失值的重要信息源;同时,测点损坏时间较长时积累的监测资料不足,可能使推断模型无法得到充分训练。通过不同监测项目测点的测值推断损坏测点的测值,建立了卷积神经网络(CNN)测值估计模型;同时采用finetune迁移学习方法实现了模型迁移,解决了损坏测点测值不足的问题。实例分析表明,深度学习结合迁移学习可以实现训练样本不足时的缺失值估计,其误差满足测值允许中误差的要求。