[发明专利]一种基于GRU网络的钻孔应变数据异常提取方法

权利要求书

1.一种基于GRU网络的钻孔应变数据异常提取方法，其特征在于，所述方法包括以下步骤：

录入四分量钻孔应变数据，并进行应变换算；

通过SVMD法将换算后的应变数据进行分解，并去除干扰因素分量，获得数据剩余分量；

采用主成分分析方法计算所述数据剩余分量的特征值和特征向量，并通过第一特征值和第一特征向量重构数据；

通过GRU-LUBE网络对重构后的数据进行训练、预测和异常提取；

通过异常判断规则判断异常天，并采用异常累计法表征异常变化规律。

2.根据权利要求1所述的基于GRU网络的钻孔应变数据异常提取方法，其特征在于，

所述应变换算的方法包括：选取一个台站的四分量钻孔应变数据，数据表示为S₁,S₂,S₃,S₄；将四分量钻孔应变数据换算成两个剪应变S₁₃、S₂₄和一个面应变S_a，其表达式如下：

3.根据权利要求1所述的基于GRU网络的钻孔应变数据异常提取方法，其特征在于，

所述获得数据剩余分量的方法包括：通过SVMD分别对S₁₃、S₂₄和S_a进行分解，去除第一、二分量并重构其余分量，得到重构后的数据剩余分量分别为M₁₃,M₂₄,M_a。

4.根据权利要求1所述的基于GRU网络的钻孔应变数据异常提取方法，其特征在于，

所述通过第一特征值和第一特征向量重构数据的过程包括：首先制作数据矩阵Y(3×n)，其表达式为：

其中，Y是数据矩阵，M₁₃,M₂₄,M_a分别是两个剪应变和一个面应变；然后对矩阵Y进行特征分解，得到特征值矩阵[λ₁λ₂λ₃]和特征向量矩阵[a₁ a₂ a₃]，取第一特征值λ₁和第一特征向量a₁进行数据重构。

5.根据权利要求1所述的基于GRU网络的钻孔应变数据异常提取方法，其特征在于，

构建GRU-LUBE网络的方法包括：GRU的表达式如下：

r_t＝σ(ω_r·[h_t-1,x_t])

z_t＝σ(ω_z·[h_t-1,x_t])

其中，h_t-1是最后时刻的记忆状态，x_t是网络的输入，r_t是重置门的输出，记忆门神经元，z_t是更新门的输出；

将LUBE的区间上界和下界分别作为GRU网络的两个输出，构成GRU-LUBE网络。

6.根据权利要求5所述的基于GRU网络的钻孔应变数据异常提取方法，其特征在于，

所述LUBE的区间上界y_U和下界y_L表达式为：

其中，x_i是输入向量，w_ih是输入层和隐含层之间的权重，b是隐含层的阈值，w_ho是隐含层和输出层间的权重，w_io是输入层和输出层之间的权重。

7.根据权利要求1所述的基于GRU网络的钻孔应变数据异常提取方法，其特征在于，

所述异常判断规则包括以下判断条件：

在30分钟内有多于15个点在区间外；

区间的中心点和实际值的差值，大于区间带宽的1.5倍，且在30分钟内有3个以上。

8.根据权利要求7所述的基于GRU网络的钻孔应变数据异常提取方法，其特征在于，

所述采用异常累计法表征异常变化规律的过程包括：当区间预测结果同时满足两个判断条件，则为异常天，计算异常天数累计结果，并绘制其随时间变化的散点图，采用sigmoid函数对散点图拟合，得到变化规律。