融合先验知识的混凝土侵彻深度试验数据异常点检测算法

为剔除混凝土侵彻深度试验数据异常点，提出了一种融合先验知识的异常检测算法。利用反向传播（back propagation, BP）神经网络模型拟合试验样本数据的分布，结合偏差指标筛选离群样本点，并通过经验算法评价模型异常检测性能。针对试验数据特点选择全量梯度下降结合动量优化方法，从而提高模型迭代训练的稳定性和效率，并且在构建模型过程中融合领域先验知识约束对样本数据的拟合，使得模型在训练过程中能反映附加特征的影响。结果表明，BP神经网络模型适合于刚性弹对混凝土侵彻试验数据异常点的检测，加入合理的领域先验知识可有效提高模型的检测精度。