基于SARIMA與神經(jīng)網(wǎng)絡混合模型的橋梁健康監(jiān)測系統(tǒng)缺失數(shù)據(jù)填補.pdf

1、缺失數(shù)據(jù)廣泛存在于各個統(tǒng)計調(diào)查和工程領域中。數(shù)據(jù)的缺失會造成信息的不完整，從而對后續(xù)的分析和處理帶來很不利的影響。橋梁健康監(jiān)測系統(tǒng)能通過安裝在橋梁關鍵部位的傳感器所反饋的結構信息來判定橋梁的健康狀況，為橋梁所有者和使用者判斷橋梁是否安全提供重要的依據(jù)。然而，長期工作在野外惡劣環(huán)境中的監(jiān)測系統(tǒng)往往由于傳感器及監(jiān)測設備磨損、老化、甚至損壞，以及季節(jié)性的電力缺失等原因出現(xiàn)大量的缺失數(shù)據(jù)，極大地影響了橋梁健康狀況的評價。本文以橋梁健康監(jiān)測系統(tǒng)中

2、存在的缺失數(shù)據(jù)為研究對象，為橋梁健康狀況的準確評價提供一種小樣本下較低誤差的缺失數(shù)據(jù)填補方法，因此本文的工作具有重要的實用意義。
　　本文分析了橋梁健康監(jiān)測系中統(tǒng)數(shù)據(jù)缺失的原因，介紹了幾種常見的橋梁監(jiān)測數(shù)據(jù)的缺失類型，并以重慶大佛寺長江大橋健康監(jiān)測系統(tǒng)的數(shù)據(jù)為例，分析了橋梁監(jiān)測參數(shù)中溫度和撓度參量的特點及變量自身及變量之間的相關性；總結了其他領域現(xiàn)有缺失數(shù)據(jù)的處理方法，在這些方法的優(yōu)缺點基礎上并結合大佛寺大橋?qū)嶋H監(jiān)測數(shù)據(jù)的特點，采

3、用了一種基于時間序列中季節(jié)自回歸移動求和平均SARIMA(SeasonalAutoRegressiveIntegratedMovingAverage)和神經(jīng)網(wǎng)絡ANN(ArtificialNeuralNetwork)混合模型的缺失數(shù)據(jù)填補方法。
　　為了對比該方法的優(yōu)越性，采用了時間序列SARIMA方法及傳統(tǒng)的線性回歸法，分別與本文所提出的基于SARIMA及神經(jīng)網(wǎng)絡的混合模型法對幾種常見的橋梁健康監(jiān)測系統(tǒng)中的缺失數(shù)據(jù)進行處理，結果