基于互信息和图扩散卷积网络的土石坝渗流监测数据插补方法

土石坝渗流监测数据的插补修复质量好坏对监测数据分析成果的精度、正确与否会产生重大的影响，甚至会对决策产生误判。文章引入图卷积神经网络和门控循环单元，深度挖掘渗压监测数据中的时空信息，提取监测序列间的时空表征，对缺失数据进行建模和估计，建立了基于图扩散卷积递归神经网络的土石坝渗流监测数据深度学习插补模型。工程实例应用结果表明，该模型在插补精度、鲁棒性方面有较好的改善。