基于橋梁健康監(jiān)測(cè)數(shù)據(jù)的異常檢測(cè)與數(shù)據(jù)質(zhì)量評(píng)估方法研究.pdf

1、橋梁健康監(jiān)測(cè)系統(tǒng)通過(guò)采集安裝在橋梁各主要部位的傳感器數(shù)據(jù)來(lái)監(jiān)測(cè)橋梁的運(yùn)行狀態(tài)，通過(guò)對(duì)監(jiān)測(cè)數(shù)據(jù)的分析為橋梁的管理和養(yǎng)護(hù)提供科學(xué)決策，從而有效的減少或者避免橋梁事故的發(fā)生。在健康監(jiān)測(cè)系統(tǒng)的長(zhǎng)期運(yùn)行中會(huì)因?yàn)閭鞲衅鞴收?、傳輸線路困擾等多種因素導(dǎo)致采集、傳輸、存儲(chǔ)等環(huán)節(jié)出現(xiàn)不同程度、不同特征的異常數(shù)據(jù)，而這些異常數(shù)據(jù)將嚴(yán)重影響數(shù)據(jù)分析的結(jié)果，因此以數(shù)據(jù)異常檢測(cè)和數(shù)據(jù)質(zhì)量評(píng)估為主要內(nèi)容的數(shù)據(jù)處理技術(shù)是科學(xué)有效應(yīng)用這些數(shù)據(jù)的基礎(chǔ)和關(guān)鍵。
　　本

2、文針對(duì)橋梁健康監(jiān)測(cè)系統(tǒng)異常數(shù)據(jù)的特征，研究了異常數(shù)據(jù)檢測(cè)和數(shù)據(jù)質(zhì)量評(píng)估，主要內(nèi)容如下：
　　1.對(duì)于異常數(shù)據(jù)檢測(cè)，提出了基于KNN距離的單一變量模式異常檢測(cè)方法和基于協(xié)方差矩陣以及奇異值分解的多元時(shí)間序列異常檢測(cè)方法?；贙NN距離的單一變量模式異常檢測(cè)方法主要用于檢測(cè)溫度、風(fēng)力、濕度等環(huán)境監(jiān)測(cè)數(shù)據(jù)，這類(lèi)數(shù)據(jù)的變化不能通過(guò)應(yīng)變、撓度等結(jié)構(gòu)屬性數(shù)據(jù)變化反映。該方法首先對(duì)原始數(shù)據(jù)序列進(jìn)行基于重要點(diǎn)的壓縮分割，得到多個(gè)時(shí)間子序列，然后根

3、據(jù)時(shí)間序列的相似性度量計(jì)算各個(gè)時(shí)間子序列之間的模式距離，最后根據(jù)KNN方法進(jìn)行異常模式的選擇?；趨f(xié)方差矩陣以及奇異值分解的多元時(shí)間序列異常檢測(cè)方法主要用于檢測(cè)應(yīng)變、撓度等橋梁結(jié)構(gòu)屬性數(shù)據(jù)，這類(lèi)數(shù)據(jù)受環(huán)境因素影響，同時(shí)各類(lèi)型數(shù)據(jù)之間的相關(guān)性處于長(zhǎng)期相對(duì)穩(wěn)定。該方法首先采用協(xié)方差矩陣計(jì)算多元變量之間相關(guān)性，然后使用奇異值分解求解協(xié)方差矩陣的特征向量和變量對(duì)相關(guān)性的貢獻(xiàn)權(quán)重，最后運(yùn)用擴(kuò)展的Frobenius范數(shù)距離計(jì)算多元時(shí)間序列的相似性距

4、離并使用KNN方法完成異常模式的選取。
　　2.對(duì)于數(shù)據(jù)質(zhì)量評(píng)估，提出了基于K-Means分類(lèi)方法的橋梁監(jiān)測(cè)數(shù)據(jù)質(zhì)量評(píng)估方法。該方法結(jié)合數(shù)據(jù)變化率和聚類(lèi)方法K-Means對(duì)橋梁數(shù)據(jù)進(jìn)行了聚類(lèi)，把橋梁數(shù)據(jù)劃分成多個(gè)類(lèi)簇，獨(dú)立出可能成為異常的一部分?jǐn)?shù)據(jù)，然后利用異常數(shù)據(jù)的占比評(píng)判數(shù)據(jù)的準(zhǔn)確性情況，最后結(jié)合多個(gè)傳感器的聚類(lèi)結(jié)果對(duì)數(shù)據(jù)的準(zhǔn)確性進(jìn)行總體統(tǒng)計(jì)評(píng)估。
　　本文用正在運(yùn)行的重慶市某橋梁健康監(jiān)測(cè)系統(tǒng)的監(jiān)測(cè)數(shù)據(jù)對(duì)提出的算法進(jìn)行了