变形分量信息随机森林分析法在缺失数据处理中的应用

完整的变形监测数据是评估大坝运行状态的前提条件，数据缺失将给相关分析带来很大难度。为此，提出了基于随机森林(RF)算法对不同尺度变形分量信息提取缺失值的处理方法。首先，将待处理测点和相似变形测点监测数据变换为不同尺度的分量；然后，以待处理测点各分量为因变量，使用RF法从其他测点分量中提取对其影响显著的分量，记为一组样本，依次提取直至完成所有分量的信息提取；最后，对得到的样本组构建BP模型，并组合得到原始变形缺失数据补全结果。经实例分析可知，相比于其他方法，基于随机森林算法的缺失数据处理方法的变形补全结果更准确，在大坝变形缺失值补全中有明显优势。该方法可为坝工领域其他缺失监测量的处理方法提供参考。