基于支持向量機的橋梁健康監(jiān)測系統(tǒng)殘缺數(shù)據(jù)填補.pdf

1、橋梁作為一種大跨、懸空、服務期漫長的重要交通樞紐其使用安全性對國民經(jīng)濟具有舉足輕重的作用。橋梁健康監(jiān)測系統(tǒng)用來長期在線監(jiān)測和評估橋梁安全狀況，是保證橋梁安全使用的重要手段之一。但是由于外界因素的影響以及長期野外惡劣環(huán)境中電子設備使用中存在的問題，使得采集信息出現(xiàn)大量缺失數(shù)據(jù)，極大地影響了基于完備數(shù)據(jù)的橋梁安全評價。本文研究橋梁健康監(jiān)測系統(tǒng)采集數(shù)據(jù)的特點，提出了基于支持向量機的殘缺數(shù)據(jù)填補方法，達到了較小樣本下高精度填補的目的。
　

2、　本文首先研究了支持向量機（Support Vector Machine，SVM）算法的基本原理，討論了SVM具有小樣本下強泛化能力的優(yōu)勢，結(jié)合橋梁健康監(jiān)測系統(tǒng)采集數(shù)據(jù)具有較小樣本、非線性且時序的特點以及時間序列分析中SARIMA（Seasonal Auto Regressive Integrated Moving Average）模型表征數(shù)據(jù)的特性，提出了基于SARIMA分析的樣本輸入向量構(gòu)造方法從而建立支持向量回歸機（Support

3、 Vector Regression Machine，SVRM）的模型實現(xiàn)不同類型的殘缺數(shù)據(jù)填補。然后，為了證實樣本輸入重構(gòu)和SVM填補的優(yōu)越性，設計了多種時間序列樣本輸入向量構(gòu)造方法與本文所提出的樣本重構(gòu)方法的填補性能對比實驗、相同樣本情況下線性回歸、時間序列、BP神經(jīng)網(wǎng)絡等幾種經(jīng)典模型與SVRM模型的填補性能對比實驗以及不同樣本空間下的BP神經(jīng)網(wǎng)絡和SVRM模型填補性能對比實驗。最后，在此基礎上，設計開發(fā)了實現(xiàn)所有填補對比實驗功能的

4、軟件系統(tǒng)；并針對實際需求，提出了以樣本更新方式的在線自適應SVRM殘缺數(shù)據(jù)填補。
　　上述實驗的結(jié)果表明，針對具有季節(jié)性的時間序列，本文提出的基于SARIMA樣本輸入向量構(gòu)造方法可以有效地引導SVRM模型進行樣本輸入向量構(gòu)造，并且使得橋梁健康監(jiān)測系統(tǒng)殘缺數(shù)據(jù)的填補精度較其它樣本輸入構(gòu)造方法提高了2~10倍。相同樣本空間下，幾種經(jīng)典模型填補精度由低到高的順序為線性回歸、SARIMA、BP神經(jīng)網(wǎng)絡和SVRM模型，其中SVRM模型填補精