基於大數據挖掘的橋樑結構健康狀態分析與評估研究

《基於大數據挖掘的橋樑結構健康狀態分析與評估研究》是依託重慶大學,由但靜培擔任項目負責人的青年科學基金項目。

基本介紹

  • 中文名:基於大數據挖掘的橋樑結構健康狀態分析與評估研究
  • 項目類別:青年科學基金項目
  • 項目負責人:但靜培
  • 依託單位:重慶大學
中文摘要,結題摘要,

中文摘要

隨著大型橋樑結構健康監測系統的不斷發展, 橋樑監測信息呈現數據量巨大、種類多,增長快等顯著的“大數據”特徵,傳統的單一時序數據挖掘技術由於數據存儲成本高、計算效率低、且不能有效分析多參數信息,已無法有效分析處理結構狀態信息。本項目針對以上問題,通過研究橋樑結構健康監測信息大數據特徵,提出大數據環境下的近似時序數據模型、單/多元時序數據挖掘算法,解決海量異構橋樑監測信息數據壓縮、多參數數據融合和大數據環境下的橋樑結構狀態表征參數提取及評估等關鍵問題,構建基於大數據挖掘的橋樑結構狀態綜合分析與評估理論方法與技術體系,進一步結合模型試驗與實際工程套用,驗證並最佳化完善以上理論與技術。本項目研究在推動大數據挖掘技術的發展的同時,可望豐富橋樑結構健康狀態分析與評估的理論和方法系統,對大型橋樑的養護、運營管理和災難預警等具有重要套用價值。

結題摘要

隨著大型橋樑結構健康監測系統的不斷發展, 監測信息呈現數據量巨大、種類多,增長快等顯著的“大數據”特徵,傳統的單一時序數據挖掘技術由於數據存儲成本高、計算效率低、且不能有效分析多參數信息,已無法充分提取結構狀態信息。本項目針對以上問題,主要研究大數據環境下橋樑結構健康監測數據分析和挖掘方法。主要研究內容包括:(1)針對結構健康監測系統採集到的數據很容易產生大量的數據缺失、異常問題,嚴重降低了數據集的質量,提出了一種基於最佳化訓練的結構健康狀態評估方法,實驗結果證明最佳化後的訓練集不僅減少了訓練集中樣本的數目,且有效提升了訓練集的質量,從而提高橋樑結構健康狀態分析準確性和效率;(2)通過研究結構健康監測信息大數據特徵,利用符號化聚合近似時序模型將原始數據分段聚合併符號化表示,有效解決大數據環境下數據壓縮問題,提供數據處理分析效率,經實驗證明該方法可大大提高了結構健康狀態分析效率,相較於原始數據,該方法不僅將處理時間從原來的數小時降低至數秒,且評估結果正確率得到大幅提升。相較於傳統的基於時間序列分析的橋樑結構損傷識別框架,我們提出的框架更加高效、靈活,可更好地分析海量的橋樑結構健康監測時序數據,實時評估橋樑結構狀態。(3)基於多元時序數據挖掘的多參數融合技術,通過處理多維數據,對整體結構健康狀態進行全面有效分析評價,實驗證明該方法能夠對多維數據進行分析並具有較高的精準率,比其他傳統方法有顯著提升,從而提高在複雜因素耦合作用下結構健康狀態分析和評估的準確性和可靠性。綜上所述,本項目創新性地提出了基於大數據挖掘的橋樑結構健康狀態評估理論與技術,並結合模型試驗與實際工程套用進行了驗證,其研究成果豐富橋樑結構健康狀態分析與評估的理論和方法系統,對橋樑、捷運隧道等大型工程結構的養護、運營管理和災難預警等具有重要套用價值。

相關詞條

熱門詞條

聯絡我們