自主监督的水变形异常检测基于时间空间对比学习

科学领域:

• 地质技术工程 地质技术工程
• 结构健康监测 结构健康监测
• 机器学习 机器学习

背景情况:

• 检测水变形异常对于结构完整性和水健康监测 (DHM) 的早期预警至关重要.
• 传统的方法需要大量的标记数据,这是昂贵和劳动密集型的.
• 由于数据采集挑战,未标记和半标记的数据方法正在获得引力.

研究的目的:

• 引入一种新的空间时间对比学习预训练 (STCLP) 策略,从未标记的变形数据中提取歧视性特征.
• 提出一种有效的异常检测方法,利用开发的STCLP策略来检测水变形的异常.
• 通过参数转移和先前知识微调来增强下游分类任务.

主要方法:

• 开发了一个空间时间对比学习预训练 (STCLP) 策略,将空间和时间对比学习结合起来.
• 从未标记的水变形数据集中提取了歧视性特征.
• 通过将STCLP预训练的参数转移到下游任务并根据先前知识进行微调来实施异常检测方法.

主要成果:

• 提出的基于STCLP的异常检测方法在涉及形大的案例研究中表现出色.
• 该方法在大变形异常检测方面明显优于其他基准模型.
• 使用STCLP战略验证了利用空间和时间特征的有效性.

结论:

• 该STCLP战略提供了一种强大的方法,用于使用未标记的数据进行大健康监测.
• 拟议的方法为检测水变形异常提供了强大而高效的解决方案.
• 这项研究有助于推进关键基础设施结构健康监测的数据驱动技术.