人民黄河

作者：康心语, 李炎隆, 张野, 周涛, 钟雯, 杨淘

单位：1.西安理工大学 旱区水工程生态环境全国重点实验室，陕西 西安 710048；2.黄河上游水电开发有限责任公司，青海 西宁 810000；3.中国长江电力股份有限公司，四川 宜宾 644612

关键词：混凝土坝；变形监测；异常检测；自编码器；深度学习

基金：<p class=\MsoNormal\>\r\n\t<span>国家重点研发计划项目</span>(2022YFC3004403)<span>；国家自然科学基金资助项目（</span><span>52379135</span><span>）；陕西省技术创新引导计划（基金）项目（</span><span>2024QY-SZX-27</span><span>

针对混凝土坝变形监测中的异常测值问题，提出了一种基于深度自编码器的无监督异常检测模型，以提高检测精度和自动化程度。自编码器通过无监督学习的方式，首先采用正常变形数据进行训练，学习其低维特征表示，并使用该模型对输入数据进行重构。当输入数据与重构数据之间的差异较大时，判定该数据为异常测值。结果表明，该模型的异常检测精确率超过97%，且在不同测试条件下均表现出良好的检测效果。基于深度自编码器的异常检测模型能够有效识别混凝土坝的变形异常，展现出较高的稳定性和精确度。

来源：2025年第7期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第7期