桥梁健康监测系统多源数据自动化匹配方法 - 52监测网

[color=rgba(0, 0, 0, 0.9)]桥梁健康监测系统传感器监测数据为时间序列数据流，就桥梁健康监测数据时间序列来说，通常具有以下几个主要特点：根据采样频率和随时间变化激烈程度分为动态数据和静态数据。动态数据为结构动态响应信号，常见有振动加速度、动应变、动挠度等，采样频率高，通常设置为1Hz以上。静态数据一般为结构静态信息和环境信息，常见有温度、湿度、静位移等，采样频率低，通常设置为1Hz以下。长期监测数据存在长周期波动，一般有日周期和季节性周期。.时间间隔较近的数据具有相关性，同类型数据也具有相关性、不同类型同一主体也会因为有相互作用而具有相关性。桥梁动态响应信号如振动加速度、动应变等本质上是随机时间序列，其线性平稳性可由随机过程的统计特征进行评判，短时程内的动态数据一般满足高斯分布。

[color=rgba(0, 0, 0, 0.9)]数据质量评估是从总体上评估数据质量好坏，判断其是否符合后续数据分析的要求。桥梁监测数据质量评估可以从数据准确性、完整性、一致性和及时性等方面进行。当前软硬件的发展使得桥梁监测数据的及时性满足基本需求，数据本身的质量主要与数据完整性、准确性和一致性有关。数据丢失表现为空缺值或NaN非数值型数据，统计丢失数据个数占数据集总体的比例。结合数据丢失和长期不变化数据两者所占比例，评估监测数据动、静数据完整性。

[color=rgba(0, 0, 0, 0.9)]探索性数据分析(EDA)摒弃了传统统计学分析的假设与先验知识，从数据本身出发去发掘与描述数据特征，并依靠可视化工具对数据特性进行展示，使数据质量评估更加直观。。常用的统计图方法有箱形图、QQ图、直方图与过程控制图等。但是这些传统的统计图方法需要人工进行检视，为了实现桥梁健康监测数据质量的自动化评估，对EDA方法进行了相应的量化改进。箱形图最大的优点就是不受离异值的影响，能够准确稳定地描绘出数据的离散分布情况，所以箱形图识别异常值的结果比较客观。当数据质量越好时，则异常值越少，即正常数据个数越多。直方图，使用线条或矩形状图形展示数据分布，以图形化的方式概括或者描述数据集。直方图容易构造和计算，适用于大数据集，用于描述数据的分布特征。

[color=rgba(0, 0, 0, 0.9)]一致性是指数据是否遵循了统一的规范，数据之间的逻辑关系是否正确和完整。规范是指一项数据存在它特定的格式，逻辑是指多项数据间存在着固定的逻辑关系。一般情况下，同一座结构健康监测系统相近位置的同一类传感器，数据变化趋势具有相关性，进而体现出一定的一致性。如两个温度传感器数据之间一般具有正相关。而有些数据会呈现负相关，如两个应变传感器数据之间变化可能相反。

[color=rgba(0, 0, 0, 0.9)]对桥梁健康监测数据进行质量评估，可以准确快速的对数据进行预处理，有利于提高健康监测数据的可用性和效能,从而有效地辅助桥梁健康监测系统。基于量化改进的探索性分析和相关性分析的质量评估方法可以不需要人工配合检视而通过相应指标进行桥梁健康监测数据质量的自动化快速评估，从而有利于桥梁健康监测大数据的预处理。质量评估方法可判别动态测试数据是否满足运营模态参数识别对数据的要求，通过所提方法评估出来的质量好的测试数据能提升模态参数识别的稳定性，同时并揭示了更多的结构特性，实现了测试数据的筛选。