文献

J-GLOBAL ID：202202246796088138   整理番号：22A0736142

ダム工学におけるデータ監視のための新しい異常値検出法【JST・京大機械翻訳】

A novel outlier detection method for monitoring data in dam engineering

著者 (15件)： Shao Chenfei (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China) ,  Shao Chenfei (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China) ,  Shao Chenfei (National Engineering Research Center of Water Resources Efficient Utilization and Engineering Safety, Hohai University, Nanjing 210098, China) ,  Zheng Sen (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China) ,  Zheng Sen (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China) ,  Zheng Sen (National Engineering Research Center of Water Resources Efficient Utilization and Engineering Safety, Hohai University, Nanjing 210098, China) ,  Gu Chongshi (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China) ,  Gu Chongshi (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China) ,  Gu Chongshi (National Engineering Research Center of Water Resources Efficient Utilization and Engineering Safety, Hohai University, Nanjing 210098, China) ,  Hu Yating (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China) ,  Hu Yating (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China) ,  Hu Yating (National Engineering Research Center of Water Resources Efficient Utilization and Engineering Safety, Hohai University, Nanjing 210098, China) ,  Qin Xiangnan (State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China) ,  Qin Xiangnan (College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China) ,  Qin Xiangnan (National Engineering Research Center of Water Resources Efficient Utilization and Engineering Safety, Hohai University, Nanjing 210098, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 193  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ダムモニタリングデータの精度は,ダム安全性の評価に影響した。しかし,実際のモニタリングデータは,センサ故障または操作誤りによる異常値を含み,不正確な評価をもたらす。この問題に取り組むために,モニタリングデータのための異常値検出のための普遍的でロバストなアプローチを,画像処理と人工知能の観点から提案した。モニタリングデータ系列は,孤立パターン異常値,クラスタ化パターン異常値,および正常点から成る。最初に散乱プロットの二値画像にモニタリングデータを変換する。Gaussぼけにより,孤立点(異常値)のグレースケールは低減され,従ってOtsu二値化後に除去される。次に,Cucko探索(CS)アルゴリズムを利用して,画素集合の最も可能な接続を得て,クラスタ化パターン異常値とプロセスラインを自動的に識別した。異常値を完全に検出するために,検出結果が収束するまで,画像処理技術とCSアルゴリズムを周期的に実装した。結果は,提案方法が他の5つの異常値検出法と比較して最も高い検出精度を有することを示した。さらに,提案方法によって前処理されたデータに基づいて確立されたモニタリングモデルは,より良い適合と予測能力を持っている。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *検出 ,  散乱 ,  グレースケール ,  *ダム ,  画像処理 ,  クラスタ化 ,  画素 ,  人工知能 ,  集合 ,  *異常値 ,  ロバスト性 ,  二値画像
準シソーラス用語： 二値化 ,  *異常値検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： ダム監視データ ,  異常値検出 ,  Gaussぼけ ,  大津二値化 ,  カッコウ探索アルゴリズム

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ダム工学 ,  異常値検出