基于時間序列分析的橋梁健康監(jiān)測信息處理方法研究.pdf

1、隨著在役橋梁結(jié)構(gòu)安全問題日益突出以及橋梁監(jiān)測技術(shù)的不斷發(fā)展，橋梁健康監(jiān)測系統(tǒng)已得到廣泛的應(yīng)用，基于實時橋梁結(jié)構(gòu)響應(yīng)信息對橋梁結(jié)構(gòu)狀態(tài)進行快速準確地分析也已成為亟待解決的熱點問題。本文以時間序列分析為基礎(chǔ)，依次對橋梁健康監(jiān)測信息的數(shù)據(jù)預(yù)處理過程、相似查詢過程、異常檢測過程進行分析，三個過程相互銜接配合構(gòu)建了橋梁健康監(jiān)測信息異常檢測模型，并實現(xiàn)了基于時間序列分析的橋梁健康監(jiān)測信息分析系統(tǒng)。
　　本文首先提出了基于聚類分段的單變量時間序

2、列孤立點識別方法，以局部標準差變化為量度對整個單變量時間序列在時間軸上進行分段，使得對于某個時間序列子段，其包含的每個樣本對象的增加或刪除都不會使這一子段的局部標準差產(chǎn)生明顯變化，但相鄰段之間的樣本局部平均值存在明顯差異。分段結(jié)束后對于段內(nèi)樣本對象不大于孤立點判定閾值（一般為1）的子段做異常處理。經(jīng)實驗分析此方法對時間序列中的孤立點具有精準的挖掘能力。在對時間序列中的空缺值進行處理的過程中，使用基于最近距離鄰法的空缺值填補方法，以局部標

3、準差變化為量度分析找出整個時間序列中相應(yīng)空缺點近鄰范圍內(nèi)最可能相似數(shù)據(jù)段的上下界，使用相似數(shù)據(jù)段中數(shù)據(jù)的加權(quán)平均值來作為空缺數(shù)據(jù)樣本的最相似估計值。之后通過使用主成分分析法(PCA)對馬桑溪大橋的橋梁健康監(jiān)測數(shù)據(jù)集的進行特征提取以構(gòu)建了馬桑溪大橋橋梁健康監(jiān)測數(shù)據(jù)集的CMTS數(shù)據(jù)庫，驗證了使用PCA法對橋梁健康監(jiān)測信息進行數(shù)據(jù)壓縮的可行性。
　　針對原有的K-means聚類算法聚類數(shù)目必須預(yù)先賦值、初始質(zhì)心隨機選取以及處理海量數(shù)據(jù)時

4、效率較低的三個缺點，提出基于網(wǎng)格劃分和三角形三邊定理的改進的K-means聚類算法。改進后的K-means算法可以根據(jù)樣本數(shù)據(jù)集樣本分布特征對樣本維度空間進行網(wǎng)格劃分，并對其中的密集網(wǎng)塊進行統(tǒng)計以自行確定k值與初始質(zhì)心位置，并通過三角形三邊定理的引入，大大減少了聚類過程中的迭代次數(shù)與計算復(fù)雜度。通過對比改進的K-means算法與原有K-means算法對UCI數(shù)據(jù)庫中的PAMAP2 Physical Activity Monitoring

5、數(shù)據(jù)集進行聚類分析的結(jié)果準確性與處理效率，驗證了改進后的K-means算法的準確性與高效性。
　　引入索引樹結(jié)構(gòu)，構(gòu)建了基于B+索引樹的k近鄰相似查詢算法。利用馬桑溪大橋的橋梁健康監(jiān)測數(shù)據(jù)集的CMTS集對基于B+索引樹的k近鄰相似查詢算法進行檢驗，驗證了其高效性與準確性。
　　以時間序列局部異常系數(shù)LOF作為檢測樣本數(shù)據(jù)是否異常的量度，對多變量時間序列的異常檢測算法進行分析。之后對以多變量橋梁健康監(jiān)測時間序列集為研究對象的橋