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、隨著在役橋梁結構安全問題日益突出以及橋梁監(jiān)測技術的不斷發(fā)展，橋梁健康監(jiān)測系統(tǒng)已得到廣泛的應用，基于實時橋梁結構響應信息對橋梁結構狀態(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，依次對橋梁健康監(jiān)測信息的數據預處理過程、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建了橋梁健康監(jiān)測信息異常檢測模型，并實現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。分段結束后對于段內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空缺點近鄰范圍內最可能相似數據段的上下界，使用相似數據段中數據的加權平均值來作為空缺數據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)測數據集的進行特征提取以構建了馬桑溪大橋橋梁健康監(jiān)測數據集的CMTS數據庫，驗證了使用PCA法對橋梁健康監(jiān)測信息進行數據壓縮的可行性。
　　針對原有的K-means聚類算法聚類數目必須預先賦值、初始質心隨機選取以及處理海量數據時

4、效率較低的三個缺點，提出基于網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算法可以根據樣本數據集樣本分布特征對樣本維度空間進行網格劃分，并對其中的密集網塊進行統(tǒng)計以自行確定k值與初始質心位置，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與計算復雜度。通過對比改進的K-means算法與原有K-means算法對UCI數據庫中的PAMAP2 Physical Activity Monitoring

5、數據集進行聚類分析的結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。
　　引入索引樹結構，構建了基于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)測數據集的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LOF作為檢測樣本數據是否異常的量度，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