CN106980675B - 一种高效的桥梁结构健康预警系统 - Google Patents

Abstract

本发明提供了一种高效的桥梁结构健康预警系统，包括桥梁结构大数据挖掘子系统、桥梁结构大数据存储子系统、桥梁结构大数据分析子系统和桥梁结构健康预警子系统组成，所述桥梁结构大数据挖掘子系统借助传感器、GPS系统和互联网创建桥梁结构大数据流，所述桥梁结构大数据存储子系统对所述桥梁结构大数据流进行存储，所述桥梁结构大数据分析子系统对所述存储的桥梁结构大数据流进行处理，对桥梁结构健康做出预测，所述桥梁结构健康预警子系统用于根据预测结果判断桥梁结构是否异常，若异常，则发出预警。本发明的有益效果为：能够对桥梁结构健康进行准确预测和预警。

Description

一种高效的桥梁结构健康预警系统

技术领域

本发明涉及预警技术领域，具体涉及一种高效的桥梁结构健康预警系统。

背景技术

桥梁结构健康预警是以桥梁结构为平台，运用现代电子通讯和网络技术，通过数据采集系统及时的获取桥梁结构在各种荷载和作用下的响应信息，通过对信息的分析和处理实现对桥梁结构健康的预测，为桥梁结构的运营和维护提供依据。

现有的桥梁结构健康预警系统均存在数据收集类型单一、数据量少，数据处理周期长等缺陷，无法对桥梁结构健康进行准确预测和预警。

大数据的特点可以概括为数据量巨大、数据类型繁多、处理周期短，大数据技术指在不同类型的大量数据中，快速处理获得潜在的有价值信息的能力，使得原本很难收集和利用的数据开始容易被利用起来，在较短的时间内能快速处理大量数据并整理成为桥梁结构健康监测需要的依据，在桥梁结构健康监测方面具有极大的应用潜力。所以，开发一种基于大数据理念的桥梁结构健康预警系统很有必要。

发明内容

针对上述问题，本发明旨在提供一种高效的桥梁结构健康预警系统。

本发明的目的采用以下技术方案来实现：

提供了一种高效的桥梁结构健康预警系统，包括桥梁结构大数据挖掘子系统、桥梁结构大数据存储子系统、桥梁结构大数据分析子系统和桥梁结构健康预警子系统组成，所述桥梁结构大数据挖掘子系统借助传感器、GPS系统和互联网创建桥梁结构大数据流，所述桥梁结构大数据存储子系统对所述桥梁结构大数据流进行存储，所述桥梁结构大数据分析子系统对所述存储的桥梁结构大数据流进行处理，对桥梁结构健康做出预测，所述桥梁结构健康预警子系统用于根据预测结果判断桥梁结构是否异常，若异常，则发出预警。

本发明的有益效果为：能够对桥梁结构健康进行准确预测和预警。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构连接示意图。

附图标记：

桥梁结构大数据挖掘子系统1、桥梁结构大数据存储子系统2、桥梁结构大数据分析子系统3、桥梁结构健康预警子系统4。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种高效的桥梁结构健康预警系统，包括桥梁结构大数据挖掘子系统1、桥梁结构大数据存储子系统2、桥梁结构大数据分析子系统3和桥梁结构健康预警子系统4组成，所述桥梁结构大数据挖掘子系统1借助传感器、GPS系统和互联网创建桥梁结构大数据流，所述桥梁结构大数据存储子系统2对所述桥梁结构大数据流进行存储，所述桥梁结构大数据分析子系统3对所述存储的桥梁结构大数据流进行处理，对桥梁结构健康做出预测，所述桥梁结构健康预警子系统4用于根据预测结果判断桥梁结构是否异常，若异常，则发出预警。

本实施例能够对桥梁结构健康进行准确预测和预警。

优选的，所述传感器包括温度传感器、湿度传感器和压力传感器。

本优选实施例获取了多种桥梁结构数据。

优选的，所述桥梁结构大数据存储子系统2采用云存储。

本优选实施例提高了对数据流的读、写速度。

优选的，所述桥梁结构大数据分析子系统3采用模型组合对桥梁结构健康进行预测，包括一次处理模块、二次处理模块、三次处理模块和四次处理模块，所述一次处理模块用于建立备选模型库，其中包含多个监测模型，所述二次处理模块用于为所述备选模型库中的各个监测模型设置权重，所述三次处理模块用于根据所述权重确定关于所述各个监测模型的最优模型组合，所述四次处理模块用于对所述最优模型组合性能进行评价。

本实施例获取的桥梁结构健康预测更为准确。

优选的，所述一次处理模块用于建立备选模型库，采用以下方式进行：

步骤1：确定备选模型库，假设有n种监测模型，备选模型库可用向量RL表示为：RL＝(RL₁,RL₂,…,RL_n)，在式子里，RL_i表示第i个监测模型，i＝1,2,…,n，n表示模型库中监测模型数量；

步骤2：确定监测模型的预测值，监测模型的预测值向量y可相应表示为：y＝(y₁,y₂,…,y_n)，在式子里，y_i表示第i个监测模型的预测值，i＝1,2,…,n，n表示模型库中监测模型数量。

所述二次处理模块用于确定所述备选模型库中的监测模型在所述模型组合中的权重，采用以下方式进行：

步骤1：确定模型组合数，每次参与模型组合的监测模型以及监测模型数量是不确定的，且参与程度不同，将模型组合看作是一次随机事件试验，确定模型组合数C为： 在式子里，i表示参与模型组合的监测模型的数量，i＝2表示至少有两个监测模型参与模型组合,β表示参与程度复杂因子，β∈{2，3}；则所有的模型组合集向量GP可表示为：GP＝(GP₁,GP₂,…,GP_C)，在式子里，GP_j表示第j种模型组合，j＝1,2,…,C，C表示所有的模型组合数；

步骤2：确定监测模型参与程度，模型组合GP_j可用向量表示为：

GP_j＝(σ(RL₁),σ(RL₂),…,σ(RL_n))，其中，σ(RL_i)表示监测模型RL_i参与程度，i＝1,2,…,n，

步骤3：确定监测模型权值，对于第i个监测模型RL_i，采用以下方式进行赋权： 在式子里，BZ_i表示第i个监测模型RL_i相应权重，y_i表示第i个监测模型的预测值，β表示参与程度复杂因子。

本优选实施例桥梁结构大数据分析子系统设置一次处理模块和二次处理模块，克服了传统的模型组合预测存在参与组合的模型样本空间不全面、比较容易因为个人能力不同导致忽略更为有效的模型等问题，为后续桥梁结构健康预测奠定了坚实基础。

优选的，所述三次处理模块用于根据所述监测模型在所述模型组合中的权重确定最优模型组合，具体包括以下步骤：

步骤1：设j＝1，计算得到模型组合的组合预测值和实测值误差FV：PA_i＝σ(RL_i)×BZ_i×y_i，在式子里，y′表示实测值；j＝j+1，当j>C，所有模型组合计算完毕，找出最小计算误差组合，得到最优模型组合，采用该组合对桥梁结构健康进行预测；

步骤2：每隔一定周期T重复步骤1，以保证模型组合不断更新。

本优选实施例桥梁结构大数据分析子系统设置三次处理模块，通过计算最小误差对模型组合进行选择，获取了最优组合，通过每隔一定周期对模型组合进行更新，克服了模型组合的不变性和历史数据的局限性，保证了即时最优预测。

优选的，所述四次处理模块用于对所述最优模型组合性能进行评价；

评价函数TN可表示为：在式子里，KR表示预测误差最小的次数，DB表示预测误差最大的次数，QM表示预测误差处于中间的次数，评价函数值越大，预测精度越高。

本优选实施例桥梁结构大数据分析子系统设置四次处理模块，通过建立评价函数，更加客观的对预测精度进行评价，克服了带有较强个人偏好的主观性和经验性的评价方式。

采用本发明对桥梁结构健康进行预警，当备选模型库中的监测模型数量分别为20、25、30、35、40个时，对模拟预测结果进行了统计，与未采用本发明相比，产生的有益效果如下表所示：

监测模型数量	预警时间缩短	预警准确性提高
			40	20％	10％
35	25％	15％
			30	30％	20％
25	32％	24％
			20	36％	31％

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (1)

1.一种高效的桥梁结构健康预警系统，其特征是，包括桥梁结构大数据挖掘子系统、桥梁结构大数据存储子系统、桥梁结构大数据分析子系统和桥梁结构健康预警子系统组成，所述桥梁结构大数据挖掘子系统借助传感器、GPS系统和互联网创建桥梁结构大数据流，所述桥梁结构大数据存储子系统对所述桥梁结构大数据流进行存储，所述桥梁结构大数据分析子系统对所述存储的桥梁结构大数据流进行处理，对桥梁结构健康做出预测，所述桥梁结构健康预警子系统用于根据预测结果判断桥梁结构是否异常，若异常，则发出预警；

所述传感器包括温度传感器、湿度传感器和压力传感器；

所述桥梁结构大数据存储子系统采用云存储；

所述桥梁结构大数据分析子系统采用模型组合对桥梁结构健康进行预测，包括一次处理模块、二次处理模块、三次处理模块和四次处理模块，所述一次处理模块用于建立备选模型库，其中包含多个监测模型，所述二次处理模块用于为所述备选模型库中的各个监测模型设置权重，所述三次处理模块用于根据所述权重确定关于所述各个监测模型的最优模型组合，所述四次处理模块用于对所述最优模型组合性能进行评价；

所述一次处理模块用于建立备选模型库，采用以下方式进行：

步骤1：确定备选模型库，假设有n种监测模型，备选模型库可用向量RL表示为：RL＝(RL₁,RL₂,…,RL_n)，在式子里，RL_i表示第i个监测模型，i＝1,2,…,n，n表示模型库中监测模型数量；

步骤2：确定监测模型的预测值，监测模型的预测值向量y可相应表示为：y＝(y₁,y₂,…,y_n)，在式子里，y_i表示第i个监测模型的预测值，i＝1,2,…,n，n表示模型库中监测模型数量；

所述二次处理模块用于确定所述备选模型库中的监测模型在所述模型组合中的权重，采用以下方式进行：

步骤1：确定模型组合数，每次参与模型组合的监测模型以及监测模型数量是不确定的，且参与程度不同，将模型组合看作是一次随机事件试验，确定模型组合数C为：在式子里，i表示参与模型组合的监测模型的数量，i＝2表示至少有两个监测模型参与模型组合,β表示参与程度复杂因子，β∈{2，3}；则所有的模型组合集向量GP可表示为：

GP＝(GP₁,GP₂,…,GP_C)，在式子里，GP_j表示第j种模型组合，j＝1,2,…,C，C表示所有的模型组合数；

步骤2：确定监测模型参与程度，模型组合GP_j可用向量表示为：

GP_j＝(σ(RL₁),σ(RL₂),…,σ(RL_n))，其中，σ(RL_i)表示监测模型RL_i参与程度，

步骤3：确定监测模型权值，对于第i个监测模型RL_i，采用以下方式进行赋权：在式子里，BZ_i表示第i个监测模型RL_i相应权重，y_i表示第i个监测模型的预测值，β表示参与程度复杂因子；

所述三次处理模块用于根据所述监测模型在所述模型组合中的权重确定最优模型组合，具体包括以下步骤：

步骤1：设j＝1，计算得到模型组合的组合预测值和实测值误差FV：PA_i＝σ(RL_i)×BZ_i×y_i，在式子里，y′表示实测值；j＝j+1，当j>C，所有模型组合计算完毕，找出最小计算误差组合，得到最优模型组合，采用该组合对桥梁结构健康进行预测；

步骤2：每隔一定周期T重复步骤1，以保证模型组合不断更新；

所述四次处理模块用于对所述最优模型组合性能进行评价；

评价函数TN可表示为：在式子里，KR表示预测误差最小的次数，DB表示预测误差最大的次数，QM表示预测误差处于中间的次数，评价函数值越大，预测精度越高。