Детальная информация
Название | Алгоритм обнаружения аномального состояния дамбы на основе вейвлет-преобразования и одноклассовой классификации одномерных сигналов // |
---|---|
Авторы | Козионов Алексей Петрович; Пяйт Александр Леонидович; Мохов Илья Игоревич; Иванов Юрий Павлович |
Организация | Санкт-Петербургский государственный университет аэрокосмического приборостроения; ООО "Сименс" |
Коллекция | Общая коллекция |
Тематика | Строительство; Гидротехническое строительство. Гидротехника; дамбы; аномалии; обнаружение аномалий; мониторинг состояния дамб; нейронные облака; интеллектуальная обработка сигналов; вейвлет-преобразование; одноклассовая классификация; одномерные сигналы |
УДК | 626/627 |
ББК | 38.77 |
Тип документа | Статья, доклад |
Тип файла | |
Язык | Русский |
DOI | 10.5862/JCSTCS.224.6 |
Права доступа | Свободный доступ из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\30629 |
Дата создания записи | 19.01.2016 |
Мониторинг состояния земляных дамб – важная и актуальная задача. Одним из ключевых составляющих системы мониторинга состояния дамб являются алгоритмы обнаружения аномального поведения дамб. Обнаружение аномального поведения дамбы производится методом одноклассовой классификации "нейронные облака". Применение вейвлет-преобразования позволяет обнаружить аномальное поведение дамб, скрытое в частотно-временных свойствах сигнала.
Dike conditions monitoring is a challenging task. Algorithms for dike anomaly detection are one of the key components of a dike condition monitoring system. Detection of abnormal dike behaviour is done by applying a ‘neural clouds’ one-class classification method. The application of a wavelet transform can detect abnormal dike behaviour hidden in the time-frequency signal properties.
Количество обращений: 717
За последние 30 дней: 7