[发明专利]面向斜拉桥监测数据有效性的标签可信度综合验证方法

说明书

本发明公开了面向斜拉桥监测数据有效性的标签可信度综合验证方法，面。本发明通过在灰色关联度理论的基础上，结合多种异常点检测的数据有效性标签置信度的综合验证方法，采用邓氏关联度的计算方法，对桥梁各个监测点每天的数据进行两两关联，分别采用3算法、LOF算法、孤立森林算法对步骤一获得的已标签数据段进行异常点检测，并根据异常点交叉出现的概率大小对数据段的有效性标签的可信度进行验证，通过有Isolation Froest(孤立森林)算法的异常点检测，可在评价前对所采集到的数据进行诊断处理，以剔除这种隐形无效的数据或对其进行修复而形成有效数据，为接下来的安全评价提供科学的数据基础，具备一定的使用前景。

技术领域

本发明涉及面向斜拉桥监测数据的标签可信度综合验证方法领域，具体为面向斜拉桥监测数据有效性的标签可信度综合验证方法。

背景技术

斜拉桥因结构轻灵、造型美观、跨度大、经济性好而得到广泛应用。因此对斜拉桥的监测和安全评价也是一直以来的研究热点。然而这一切的基础是能够采集到准确有效的数据。然而由于各方面因素的影响，所采集到的数据却往往不一定真实有效，甚至错漏百出，完全失效。

其中，数据段失效可以是连续数据点出现失效，也可以是若干分散的单点失效使得整个数据段失效。几种常见的数据特征包括：数据段漂移、数据频率变化异常、数据段突然跳变、数据值为恒定值等，这些类型的失效数据可通过图像显示的方式直观判断，而有一种失效数据段表面看和许多正常的数据段没有什么不同，没有很明显的特征波动，难以直接判断。而这类数据占据了失效数据的大部分，对斜拉桥的安全评价影响巨大。因此必须在评价前对所采集到的数据进行诊断处理，以剔除这种隐形无效的数据或对其进行修复而形成有效数据，为接下来的安全评价提供科学的数据基础。

目前，以深度学习为核心的人工智能方法是被认可的数据有效性诊断的主要方法之一，而其中数据有效性标签的可信度大小是这种方法的重要依据，为此本申请提出了面向斜拉桥监测数据有效性的标签可信度综合验证方法。

发明内容

本发明要解决的技术问题是克服现有的缺陷，提供面向斜拉桥监测数据有效性的标签可信度综合验证方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：面向斜拉桥监测数据有效性的标签可信度综合验证方法，包括以下步骤：

步骤一：采用邓氏关联度的计算方法，对桥梁各个监测点每天的数据进行两两关联：

(1)将每个测点采集的数据标准化；

(2)将每个测点的数据利用邓氏关联度算法完成两两关联的计算；

(3)根据测点位置以及关联度的计算值大小实现数据段有效性的自动标签；

①对测点数据进行标签：若r_oi∈[0.8,1]，属于强关联，标签为有效数据段；若r_oi∈[0.6,0.8)，属于一般关联，标签为一般有效数据段；若r_oi∈[0,0.6)，关联很弱，标签为无效数据段；

②如果参考测点数据序列与周围测点、同一截面的数据序列均强关联，说明参考序列有效，并计算参考数据序列与周围测量点、同一截面的数据序列的关联度平均值，按照标准区间进行标签；

③如果参考测点数据序列与周围测点、同一截面的数据序列大部分强关联，少量弱关联，则去除弱关联数据序列的关联度，计算均值关联度，按照标准区间进行标签，此外，该弱关联数据序列嫌疑较大，以此为参考数据序列，与其相邻监测点数据序列和同一截面的数据序列进行关联度比较，按照②③④再次分析；

④如果参考测点数据序列与周围测点、同一截面的数据序列大部分关联度很弱，则可以基本判定为无效数据段，仍然进行关联度均值计算，确定该数据段标签；