原文传递
基于数据挖掘的桥梁监测数据分析
| 论文题名： | 基于数据挖掘的桥梁监测数据分析 |
| 关键词： | 桥梁监测;数据挖掘;Kohonen人工神经网络算法;Aprjori模型;数据预处理;自适应聚类 |
| 摘要： | 随着我国交通事业的蓬勃发展,桥梁数量越来越多,桥梁健康监测已成为土木工程领域当前研究的热点问题之一。许多桥梁在建设时就安装了监测的传感器,在桥梁的运行过程中产生了大量的数据,如何有效的利用这些数据来全面的分析桥梁的状态,以及对桥梁结构的变化提供有效的预警,快速有效的诊断桥梁的状态,是桥梁工程研究的一个重要课题。本文利用数据挖掘技术对桥梁结构状态进行分析及预警。 本文的研究内容包括: 1.对桥梁监测系统传感器采集的数据进行预处理。对各属性进行相关度分析,结合各类传感器采集的数据范围,对单点缺失值和连续缺失值失效模式进行识别,通过历史数据和经验数据对缺失值进行补全,对由于传感器异常或者传输异常的数据进行对应的处理。利用线性回归的方法,对受温度影响较大的属性,如挠度、加速度等剔除温度因素的影响。 2.运用主成分分析原理,对各类传感器采集的数据进行关联分析,对关联度较大的属性,利用PCA算法对各属性进行主元分析,以便通过数据更全面的分析桥梁的状态。同时对判别桥梁健康状态意义不大的数据进行降维处理,以减少数据的处理量,使输入模型的数据更加有效。 3.基于数据挖掘的聚类理论,利用kohenon人工神经网络算法对前期经过处理的结构化数据进行自适应聚类,形成聚集的簇,对簇内的点进行解释,与桥梁正常状态下的理论值比较,得到正常运行状态下采集数据的分类模式。当采集的数据出现异常值时,提供相应的判别和预警,以便利用桥梁工程的相关知识对异常数据分析,找出对应的桥梁结构的异变情况。 4.建立了给定桥梁的状态评估Apriori模型,通过对监测的历史数据分析,形成桥梁数据各属性之间的强关联规则,挖掘各属性之间潜在的关联规则,为桥梁状态的评估提供更多的有数据支撑的依据。 |
| 作者： | 刘锋 |
| 专业： | 交通信息工程及控制 |
| 导师： | 叶青 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长沙理工大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
