中国安全科学学报

作者：葛大龙, 丁勇, 李登华

单位：1 南京理工大学 安全科学与工程学院, 江苏 南京 210094；2 南京水利科学研究院, 江苏 南京 210029；3 水利部水库大坝安全重点实验室, 江苏 南京 210024

关键词：Prophet,长短期记忆(LSTM),粒子群优化(PSO),异数据常检测,大坝监测数据

基金：国家重点研发计划项目(2024YFC3210703); 国家自然科学基金资助(51979174); 国家自然科学基金长江水科学研究联合基金资助(U2240221); 中央级公益性科研院所基本科研业务费专项资金资助(Y724011)

为提升大坝监测数据的异常检测性能,提出一种基于改进Prophet-长短期记忆(LSTM)-粒子群优化(PSO)的大坝异常数据检测模型。首先,通过改进Prophet法使得异常数据点位分解得到趋势分量特征;其次,将分解得到的趋势、周期和残差分量映射到三维空间,以三维空间中近邻均值距离数据代替原始时序数据;最后,结合LSTM网络与PSO算法,设定与优化异常阈值,进而实现异常数据的精准识别。结果表明:相较于传统模型,该模型在检测效果上具有明显提升,且表现出较高的稳定性。在召回率稳定维持在95%以上的前提下,精确率与准确率均超过95%,验证了该方法的有效性与实用性。

来源：2025年第8期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第8期