Алгоритм обнаружения аномального состояния дамбы на основе вейвлет-преобразования и одноклассовой классификации одномерных сигналов

Мониторинг состояния земляных дамб – важная и актуальная задача. Одним из ключевых составляющих системы мониторинга состояния дамб являются алгоритмы обнаружения аномального поведения дамб. Алгоритмы должны в режиме онлайн определять аномальное поведение дамбы по сигналам с аппаратуры контроля. Представлен алгоритм на основе метода машинного обучения обучающийся на исторических данных о нормальном состоянии дамбы, так как данные об аномальном состоянии дамбы недоступны, а моделирование высокозатратно. Обнаружение аномального поведения дамбы производится методом одноклассовой классификации «нейронные облака». «Нейронные облака» оценивают нелинейной, нечеткой функцию принадлежности результатов вейвлет-преобразования сигнала к области нормального поведения. Применение вейвлет-преобразования позволяет обнаружить аномальное поведение дамб, скрытое в частотно-временных свойствах сигнала. Апробация алгоритмов проведена на реальных данных дамбы, расположенной в городе Бостон, Великобритания.