文献类型：期刊文章

作　　者：郭毅博[1] 牛猛[1] 王海迪[1] 陈艳华[1] 薛均晓[1] 袁玥[1] 侯立硕[1] 徐明亮[1] 潘俊[2]

GUO Yibo;NIU Meng;WANG Haidi;CHEN Yanhua;XUE Junxiao;YUAN Yue;HOU Lishuo;XU Mingliang;PAN Jun(Information Engineering College,Zhengzhou University,Zhengzhou 450001,China;China Aviation Industry Corporation Jincheng Nanjing Electromechanical Hydraulic Engineering Research Center,Nanjing 211106,China)

机构地区：[1]郑州大学信息工程学院,河南郑州450001 [2]中国航空工业集团公司金城南京机电液压工程研究中心,江苏南京211106

出　　处：《浙江大学学报（理学版）》

基　　金：国家自然科学基金资助项目(61602421);中国博士后基金项目(2016M600584);航空科学基金项目(201828X4001)。

年　　份：2021

卷　　号：48

期　　号：4

起止页码：402-409

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：飞机传感器采集的燃油数据是后续燃油测量的基础。在飞行过程中,由传感器采集的数据因存在部分缺失值,如直接进行后续处理将影响燃油测量精度。现有的缺失值填充方法存在两方面问题,一方面易忽视飞机燃油时序数据在时间维度上的上下文依赖关系;另一方面缺少完整的样本数据集进行模型训练。基于此,提出了一种基于生成对抗网络的缺失值填充方法,从而有效解决了传统方法难以处理的时序数据历史隐含规律及样本不完整的问题,且填充效果较其他算法更佳。

关 键 词：缺失值填充方法  生成对抗网络  Seq2seq模型  循环神经网络

分 类 号：TP391.4]