CN114491383A - 桥梁监测的异常数据处理方法及系统 - Google Patents
桥梁监测的异常数据处理方法及系统 Download PDFInfo
- Publication number
- CN114491383A CN114491383A CN202210392702.3A CN202210392702A CN114491383A CN 114491383 A CN114491383 A CN 114491383A CN 202210392702 A CN202210392702 A CN 202210392702A CN 114491383 A CN114491383 A CN 114491383A
- Authority
- CN
- China
- Prior art keywords
- real
- value
- time
- time monitoring
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种桥梁监测的异常数据处理方法及系统，方法包括：获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据；设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值；根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值，从而实现对目标桥梁的目标部位的监测数据的不无遗漏的校准。
Description
技术领域
本发明涉及数据处理领域，特别是涉及一种桥梁监测的异常数据处理方法及系统。
背景技术
在桥梁监测上，通过传感器监测的数据往往容易被自身和外界的因素所干扰。这些干扰会使传感器传回来的数据不够准确，而我们工作人员又无法知道真实的数据是多少，一般只能在现有前后数据的基础之上进行“猜测”，如果进行毫无根据的“猜测”，就容易导致数据失真，也无法通过“猜测”的数据来反映桥梁本身的特性及变化。因此，急需提供一种桥梁监测的异常数据处理方法来对桥梁的异常数据进行合理的处理。
发明内容
本发明的目的在于提出一种桥梁监测的异常数据处理方法及系统，以解决上述背景技术中的问题。
本发明提出一种桥梁监测的异常数据处理方法，所述方法包括：
获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据；
设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值；
根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值。
根据本发明提出的桥梁监测的异常数据处理方法，具有以下有益效果：
本发明对获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据；设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值；根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值，从而实现对目标桥梁的目标部位的监测数据的不无遗漏的校准。
另外，根据本发明提供的桥梁监测的异常数据处理方法，还可以具有如下附加的技术内容：
进一步地，所述根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值的步骤具体包括：
按时间顺序对预设时间内的所有所述实时监测值进行排序；
依序提取目标时刻的所述实时监测值并判断目标时刻的所述实时监测值是否为异常数据；
若目标时刻的实时监测值为异常数据，则判断前一时刻的所述实时监测值是否为空值；
若前一时刻的所述实时监测值为空值，则根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值，直至将预设时间内的所有所述实时监测值校准完成。
进一步地，所述按时间顺序对预设时间内的所有所述实时监测值进行排序的步骤后还包括：
提取第二时刻的所述实时监测值，并判断第二时刻的所述实时监测值是否为异常数据；
若第二时刻的所述实时监测值为异常数据，则根据所述初始正常值对第二时刻的所述实时监测值进行校准以得到第二时刻校准后的监测值。
进一步地，所述判断目标时刻的所述实时监测值是否为异常数据的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第一预设阈值；
若所述第一差值大于第一预设阈值，则判定目标时刻的所述实时监测值为异常数据。
进一步地，所述根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值大于所述第二预设阈值，则对所述第一差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
进一步地，所述根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值不大于所述第二预设阈值，则将所述第一差值与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
进一步地，所述判断前一时刻的所述实时监测值是否为空值的步骤后还包括：
若前一时刻的所述实时监测值不为空值，将目标时刻的所述实时监测值与前一时刻的所述实时监测值进行相减以得到第二差值并判断所述第二差值是否大于第二预设阈值；
若所述第二差值大于第二预设阈值，则对所述第二差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
本发明还提出一种桥梁监测的异常数据处理系统，包括：
获取模块：用于获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据；
取值模块：用于设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值；
校准模块：用于根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值。
本发明还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的桥梁监测的异常数据处理方法。
本发明还提出一种桥梁监测的异常数据处理设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的桥梁监测的异常数据处理方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明第一实施例桥梁监测的异常数据处理方法的流程图；
图2为本发明第二实施例桥梁监测的异常数据处理系统的系统框图；
图3为本发明第三实施例桥梁监测的异常数据处理设备的结构示意图。
具体实施方式
为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
实施例1
如图1所示，本发明的实施例提供一种桥梁监测的异常数据处理方法，包括步骤S101~S103。
S101，获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据。
需要说明的是，实时监测数据是通过目标桥梁的目标部位上安装的传感器获得的。
S102，设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值。
S103，根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值。
其中，所述根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值的步骤具体包括：
按时间顺序对预设时间内的所有所述实时监测值进行排序；
依序提取目标时刻的所述实时监测值并判断目标时刻的所述实时监测值是否为异常数据；
若目标时刻的实时监测值为异常数据，则判断前一时刻的所述实时监测值是否为空值，其中，所述前一时刻为目标时刻的前一个时刻；
若前一时刻的所述实时监测值为空值，则根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值，直至将预设时间内的所有所述实时监测值校准完成。
所述判断目标时刻的所述实时监测值是否为异常数据的步骤前还包括：
判断目标时刻的所述实时监测值是否为空值；若是空值，则用前一时刻非异常且非空的所述实时监测值或前一时刻校准后的监测值进行补齐。
进一步的，所述判断目标时刻的所述实时监测值是否为异常数据的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第一预设阈值；
若所述第一差值大于第一预设阈值，则判定目标时刻的所述实时监测值为异常数据。
进一步的，所述根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值大于所述第二预设阈值，则对所述第一差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值，目标时刻校准后的监测值的具体计算公式为：
，其中，x为目标时刻校准后的监测值，c1为第一差值，limit为第二预设阈值，Baseline为前面最近时刻的非异常且非空的所述实时监测值。
进一步的，所述根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值不大于所述第二预设阈值，则将所述第一差值与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
需要说明的是，目标时刻可以是预设时间内的任一时刻（除第一、第二时刻外，第一、第二时刻的实时监测数据的处理属于特殊情况，在以下有进行详细说明），上述步骤的主要目标是为了在尽量不改变原始数据特征的情况下清洗异常数据。上述步骤相当于设定动态基线，正常情况下基线会随着数据波动而波动，而当待处理数据与基线的差值(即第一差值)超过设定值（第一预设阈值）时，则第一差值与第二预设阈值进行比较，如果第一差值不大于第二预设阈值，那么校准处理之后的值即为基线加上第一差值；如果第一差值大于第二预设阈值，那么就将使用tanh变换算法将第一差值处理之后再与基线相加，其中，前面最近时刻的非异常且非空的所述实时监测值即为目标时刻的基线。使用此方法能在尽量不改变原始数据特征的情况下解决实时监测数据中的毛刺、跳变等异常问题。
本发明可以避免因为结构物自身的老化或因为温度原因而误判正常监测的数据为异常数据。当数据突变且超过了预设的阈值时，判定此数据为异常数据，此时会使用对应算法将数据“拉回”基线附近，基线也不会变化。当数据再次回到基线附近时，判断毛刺或者跳变结束，那么就会判断此为正常数据，基线也会重新跟着正常数据进行波动。
进一步的，所述判断前一时刻的所述实时监测值是否为空值的步骤后还包括：
若前一时刻的所述实时监测值不为空值，将目标时刻的所述实时监测值与前一时刻的所述实时监测值进行相减以得到第二差值并判断所述第二差值是否大于第二预设阈值；
若所述第二差值大于第二预设阈值，则对所述第二差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值，目标时刻校准后的监测值的具体计算公式为：
，其中，x为目标时刻校准后的监测值，c2为第二差值，limit为第二预设阈值，Baseline为前面最近时刻的非异常且非空的所述实时监测值。
若所述第二差值不大于所述第二预设阈值，则将所述第二差值与前面最近时刻的非异常且非空的所述实时监测值相加以得到目标时刻校准后的监测值。
需要说明的是，在待处理数据为异常的情况，针对待处理数据的前一时刻的实时监测数据为空值和不为空值的情况，具体处理方法不同，不为空值的情况则是根据待处理数据与前一时刻的实时监测数据的第二差值来进行相应的处理，将第二差值与第二预设阈值进行比较，如果第二差值不大于第二预设阈值，那么校准处理之后的值即为基线加上第二差值；如果第二差值大于第二预设阈值，那么就将使用tanh双曲正切变换算法将第二差值处理之后再与基线相加。
进一步的，所述按时间顺序对预设时间内的所有所述实时监测值进行排序的步骤后还包括：
提取第二时刻的所述实时监测值，并判断第二时刻的所述实时监测值是否为异常数据；
若第二时刻的所述实时监测值为异常数据，则根据所述初始正常值对第二时刻的所述实时监测值进行校准以得到第二时刻校准后的监测值。
若第二时刻的所述实时监测值不为异常数据，则保持第二时刻的所述实时监测值不变。
所述判断第二时刻的所述实时监测值是否为异常数据的步骤具体包括：
将第二时刻的所述实时监测值与所述初始正常值进行相减以得到第一差值并判断所述第一差值是否大于第一预设阈值；
若所述第一差值大于第一预设阈值，则判定目标时刻的所述实时监测值为异常数据。
所述根据所述初始正常值对第二时刻的所述实时监测值进行校准以得到第二时刻校准后的监测值的步骤具体包括：
将第二时刻的所述实时监测值与所述初始正常值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值大于所述第二预设阈值，则对所述第一差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与所述初始正常值进行相加以得到第二时刻校准后的监测值。
若所述第一差值不大于所述第二预设阈值，则保持第二时刻的所述实时监测值不变。
需要说明的是，所述初始正常值是第一时刻且人为判断为正常的数据值，可作为原始数据值，能够基于所述初始正常值来判断第二时刻的所述实时监测值是否为异常值，若为异常值，可以再基于所述初始正常值并通过上述预设算法来对第二时刻的监测值进行校准，再在此基础上，便能对后续时刻的实时监测值的异常与否陆续进行判断并进行校准。
正常的结构物监测数据会有一条基线，基线往往不会有很大的变动，除非是出现了损坏或者数据出现故障。而如果是结构物的损坏其基线也是缓慢变化的，会产生一个趋势，就算是突发状况的出现，也不会在一个监测粒度内就出现极大的波动。而如果是数据出现异常便往往会在极短时间内出现极大的波动，如果此波动在下一个或几个监测粒度内还原那就形成了毛刺这种异常数据，如果数据一直没有还原，并没有回到基线附近，那么就形成了跳变。本发明实施例正是通过这种正常结构物的损坏和数据的异常损坏的差别，来判断数据是否需要进行处理。对于正常结构物的损坏便不需要对数据进行处理，保留数据最原始的特征就行，而对于数据的异常损坏就需要做出一定的转换处理。
本发明实施例在对桥梁异常数据进行清洗时，能够处理掉突然变化太大的数据，单个数据突然发生跳变便会将其拉回基线附近，保证数据的稳定，而当数据缓慢变化时且有趋势时则不会对数据进行处理，这样既能保证异常数据的清洗又能避免对正常数据进行过清洗。
综上，本发明提供的一种桥梁监测的异常数据处理方法，有益效果在于：本发明对获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据；设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值；根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值，从而实现对目标桥梁的目标部位的监测数据的不无遗漏的校准。
实施例2
请参考图2，本实施例提供一种桥梁监测的异常数据处理系统，包括：
获取模块：用于获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据。
取值模块：用于设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值。
校准模块：用于根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值。
所述校准模块还用于：
按时间顺序对预设时间内的所有所述实时监测值进行排序；
依序提取目标时刻的所述实时监测值并判断目标时刻的所述实时监测值是否为异常数据；
若目标时刻的实时监测值为异常数据，则判断前一时刻的所述实时监测值是否为空值，其中，所述前一时刻为目标时刻的前一个时刻；
若前一时刻的所述实时监测值为空值，则根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值，直至将预设时间内的所有所述实时监测值校准完成。
所述校准模块还用于：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第一预设阈值；
若所述第一差值大于第一预设阈值，则判定目标时刻的所述实时监测值为异常数据。
所述校准模块还用于：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值大于所述第二预设阈值，则对所述第一差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
所述校准模块还用于：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值不大于所述第二预设阈值，则将所述第一差值与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
所述校准模块还用于：
若前一时刻的所述实时监测值不为空值，将目标时刻的所述实时监测值与前一时刻的所述实时监测值进行相减以得到第二差值并判断所述第二差值是否大于第二预设阈值；
若所述第二差值大于第二预设阈值，则对所述第二差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
若所述第二差值不大于所述第二预设阈值，则将所述第二差值与前面最近时刻的非异常且非空的所述实时监测值相加以得到目标时刻校准后的监测值。
所述校准模块还用于：
提取第二时刻的所述实时监测值，并判断第二时刻的所述实时监测值是否为异常数据；
若第二时刻的所述实时监测值为异常数据，则根据所述初始正常值对第二时刻的所述实时监测值进行校准以得到第二时刻校准后的监测值。
若第二时刻的所述实时监测值不为异常数据，则保持第二时刻的所述实时监测值不变。
所述判断第二时刻的所述实时监测值是否为异常数据的步骤具体包括：
将第二时刻的所述实时监测值与所述初始正常值进行相减以得到第一差值并判断所述第一差值是否大于第一预设阈值；
若所述第一差值大于第一预设阈值，则判定目标时刻的所述实时监测值为异常数据。
所述根据所述初始正常值对第二时刻的所述实时监测值进行校准以得到第二时刻校准后的监测值的步骤具体包括：
将第二时刻的所述实时监测值与所述初始正常值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值大于所述第二预设阈值，则对所述第一差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与所述初始正常值进行相加以得到第二时刻校准后的监测值。
若所述第一差值不大于所述第二预设阈值，则保持第二时刻的所述实时监测值不变。
实施例3
请参考图3，本发明还提出一种桥梁监测的异常数据处理设备，所示为本发明第三实施例当中的桥梁监测的异常数据处理设备，包括存储器20、处理器10以及存储在存储器上并可在处理器上运行的计算机程序30，所述处理器10执行所述计算机程序30时实现如上述的桥梁监测的异常数据处理方法。
其中，所述桥梁监测的异常数据处理设备具体可以为计算机、服务器、上位机等，处理器10在一些实施例中可以是中央处理器（Central Processing Unit, CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据，例如执行访问限制程序等。
其中，存储器20至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是桥梁监测的异常数据处理设备的内部存储单元，例如该桥梁监测的异常数据处理设备的硬盘。存储器20在另一些实施例中也可以是桥梁监测的异常数据处理设备的外部存储装置，例如桥梁监测的异常数据处理设备上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，存储器20还可以既包括桥梁监测的异常数据处理设备的内部存储单元也包括外部存储装置。存储器20不仅可以用于存储安装于桥梁监测的异常数据处理设备的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
需要指出的是，图3示出的结构并不构成对桥梁监测的异常数据处理设备的限定，在其它实施例当中，该桥梁监测的异常数据处理设备可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
本发明实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的桥梁监测的异常数据处理方法。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种桥梁监测的异常数据处理方法，其特征在于，所述方法包括：
获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据；
设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值；
根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值。
2.根据权利要求1所述的桥梁监测的异常数据处理方法，其特征在于，所述根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值的步骤具体包括：
按时间顺序对预设时间内的所有所述实时监测值进行排序；
依序提取目标时刻的所述实时监测值并判断目标时刻的所述实时监测值是否为异常数据；
若目标时刻的实时监测值为异常数据，则判断前一时刻的所述实时监测值是否为空值；
若前一时刻的所述实时监测值为空值，则根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值，直至将预设时间内的所有所述实时监测值校准完成。
3.根据权利要求2所述的桥梁监测的异常数据处理方法，其特征在于，所述按时间顺序对预设时间内的所有所述实时监测值进行排序的步骤后还包括：
提取第二时刻的所述实时监测值，并判断第二时刻的所述实时监测值是否为异常数据；
若第二时刻的所述实时监测值为异常数据，则根据所述初始正常值对第二时刻的所述实时监测值进行校准以得到第二时刻校准后的监测值。
4.根据权利要求2所述的桥梁监测的异常数据处理方法，其特征在于，所述判断目标时刻的所述实时监测值是否为异常数据的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第一预设阈值；
若所述第一差值大于第一预设阈值，则判定目标时刻的所述实时监测值为异常数据。
5.根据权利要求2所述的桥梁监测的异常数据处理方法，其特征在于，所述根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值大于所述第二预设阈值，则对所述第一差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
6.根据权利要求2所述的桥梁监测的异常数据处理方法，其特征在于，所述根据前面最近时刻的非异常且非空的所述实时监测值对目标时刻的实时监测值进行校准以得到目标时刻校准后的监测值的步骤具体包括：
将目标时刻的所述实时监测值与前面最近时刻的非异常且非空的所述实时监测值进行相减以得到第一差值并判断所述第一差值是否大于第二预设阈值；
若所述第一差值不大于所述第二预设阈值，则将所述第一差值与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
7.根据权利要求2所述的桥梁监测的异常数据处理方法，其特征在于，所述判断前一时刻的所述实时监测值是否为空值的步骤后还包括：
若前一时刻的所述实时监测值不为空值，将目标时刻的所述实时监测值与前一时刻的所述实时监测值进行相减以得到第二差值并判断所述第二差值是否大于第二预设阈值；
若所述第二差值大于第二预设阈值，则对所述第二差值与所述第二预设阈值的比值求双曲正切并与所述第二预设阈值相乘，再与前面最近时刻的非异常且非空的所述实时监测值进行相加以得到目标时刻校准后的监测值。
8.一种桥梁监测的异常数据处理系统，其特征在于，包括：
获取模块：用于获取预设时间内对目标桥梁的目标部位进行实时监测的一段实时监测数据；
取值模块：用于设定一初始正常值并按时间粒度从所述实时监测数据中等时间间隔进行取值以得到若干个实时监测值；
校准模块：用于根据所述初始正常值，并按时间顺序对所有所述实时监测值的异常性依序进行判断及对异常的所述实时监测值进行校准以得到各个时刻对目标桥梁的目标部位准确的监测值。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1－7任一项所述的桥梁监测的异常数据处理方法。
10.一种桥梁监测的异常数据处理设备，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1－7任一项所述的桥梁监测的异常数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210392702.3A CN114491383B (zh) | 2022-04-15 | 2022-04-15 | 桥梁监测的异常数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210392702.3A CN114491383B (zh) | 2022-04-15 | 2022-04-15 | 桥梁监测的异常数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114491383A true CN114491383A (zh) | 2022-05-13 |
| CN114491383B CN114491383B (zh) | 2022-09-16 |
Family
ID=81487565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210392702.3A Active CN114491383B (zh) | 2022-04-15 | 2022-04-15 | 桥梁监测的异常数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114491383B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115628766A (zh) * | 2022-09-07 | 2023-01-20 | 北京云庐科技有限公司 | 桥梁监测数据的时间校准方法、装置和电子设备 |
| CN117113263A (zh) * | 2023-10-23 | 2023-11-24 | 鹏远建设有限公司 | 一种桥梁顶推结构实时监控方法 |
| CN117216701A (zh) * | 2023-09-13 | 2023-12-12 | 广州桐富科技发展有限公司 | 智慧桥梁监测预警方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080167842A1 (en) * | 2007-01-04 | 2008-07-10 | Honeywell International Inc. | Method and system for detecting, analyzing and subsequently recognizing abnormal events |
| CN103018383A (zh) * | 2012-12-07 | 2013-04-03 | 四川电力科学研究院 | 一种油色谱在线监测噪声数据校正方法 |
| CN106325144A (zh) * | 2015-07-06 | 2017-01-11 | 湖州庆渔堂农业科技有限公司 | 一种水产养殖监控系统的监测数据校准方法及系统 |
| JP2018128358A (ja) * | 2017-02-09 | 2018-08-16 | 株式会社明和ｅテック | 異常監視方法および異常監視装置 |
| CN109387303A (zh) * | 2018-09-12 | 2019-02-26 | 中车青岛四方机车车辆股份有限公司 | 轴温传感器的检测方法及装置 |
| CN109614576A (zh) * | 2018-12-11 | 2019-04-12 | 福建工程学院 | 基于多维高斯分布与趋势分段的变压器异常检测方法 |
| CN109710893A (zh) * | 2019-01-23 | 2019-05-03 | 江西理工大学 | 一种用于修正矿山边坡变形监测异常数据的时空插值方法 |
| CN110287178A (zh) * | 2019-06-11 | 2019-09-27 | 南京睿永智运维工程科技有限公司 | 一种基于数据差值的桥梁渐进式漂移数据清洗方法 |
| CN110598265A (zh) * | 2019-08-16 | 2019-12-20 | 中铁大桥（南京）桥隧诊治有限公司 | 基于小波分析的桥梁健康数据异常修正方法及系统 |
| CN112148722A (zh) * | 2020-10-14 | 2020-12-29 | 四川长虹电器股份有限公司 | 一种监测数据异常的识别及处理方法和系统 |
| CN112556955A (zh) * | 2020-09-16 | 2021-03-26 | 江西飞尚科技有限公司 | 一种桥梁挠度测量中自动校正的方法 |
| CN114020730A (zh) * | 2021-10-27 | 2022-02-08 | 河北科技师范学院 | 一种水环境监测数据中异常值的检测和修复方法 |
-
2022
- 2022-04-15 CN CN202210392702.3A patent/CN114491383B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080167842A1 (en) * | 2007-01-04 | 2008-07-10 | Honeywell International Inc. | Method and system for detecting, analyzing and subsequently recognizing abnormal events |
| CN103018383A (zh) * | 2012-12-07 | 2013-04-03 | 四川电力科学研究院 | 一种油色谱在线监测噪声数据校正方法 |
| CN106325144A (zh) * | 2015-07-06 | 2017-01-11 | 湖州庆渔堂农业科技有限公司 | 一种水产养殖监控系统的监测数据校准方法及系统 |
| JP2018128358A (ja) * | 2017-02-09 | 2018-08-16 | 株式会社明和ｅテック | 異常監視方法および異常監視装置 |
| CN109387303A (zh) * | 2018-09-12 | 2019-02-26 | 中车青岛四方机车车辆股份有限公司 | 轴温传感器的检测方法及装置 |
| CN109614576A (zh) * | 2018-12-11 | 2019-04-12 | 福建工程学院 | 基于多维高斯分布与趋势分段的变压器异常检测方法 |
| CN109710893A (zh) * | 2019-01-23 | 2019-05-03 | 江西理工大学 | 一种用于修正矿山边坡变形监测异常数据的时空插值方法 |
| CN110287178A (zh) * | 2019-06-11 | 2019-09-27 | 南京睿永智运维工程科技有限公司 | 一种基于数据差值的桥梁渐进式漂移数据清洗方法 |
| CN110598265A (zh) * | 2019-08-16 | 2019-12-20 | 中铁大桥（南京）桥隧诊治有限公司 | 基于小波分析的桥梁健康数据异常修正方法及系统 |
| CN112556955A (zh) * | 2020-09-16 | 2021-03-26 | 江西飞尚科技有限公司 | 一种桥梁挠度测量中自动校正的方法 |
| CN112148722A (zh) * | 2020-10-14 | 2020-12-29 | 四川长虹电器股份有限公司 | 一种监测数据异常的识别及处理方法和系统 |
| CN114020730A (zh) * | 2021-10-27 | 2022-02-08 | 河北科技师范学院 | 一种水环境监测数据中异常值的检测和修复方法 |
Non-Patent Citations (4)
| Title |
|---|
| YAN YU: "Deflection Measurement Using Wireless Inclination Sensors for Bridge", 《IEEE》 * |
| 刘文峰: "公路桥梁健康与安全监测系统的进展", 《2007年第九届全国振动理论及应用学术会议论文集》 * |
| 杨锦园: "桥梁健康监测系统数据处理分析的研究", 《微计算机信息》 * |
| 沈健: "基于多传感器信息融合的桥梁健康监测系统的研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115628766A (zh) * | 2022-09-07 | 2023-01-20 | 北京云庐科技有限公司 | 桥梁监测数据的时间校准方法、装置和电子设备 |
| CN117216701A (zh) * | 2023-09-13 | 2023-12-12 | 广州桐富科技发展有限公司 | 智慧桥梁监测预警方法及系统 |
| CN117216701B (zh) * | 2023-09-13 | 2024-03-15 | 华夏安信物联网技术有限公司 | 智慧桥梁监测预警方法及系统 |
| CN117113263A (zh) * | 2023-10-23 | 2023-11-24 | 鹏远建设有限公司 | 一种桥梁顶推结构实时监控方法 |
| CN117113263B (zh) * | 2023-10-23 | 2024-01-26 | 鹏远建设有限公司 | 一种桥梁顶推结构实时监控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114491383B (zh) | 2022-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114491383B (zh) | 桥梁监测的异常数据处理方法及系统 | |
| CN107636619B (zh) | 信息处理装置、信息处理系统、信息处理方法及记录介质 | |
| KR20160097029A (ko) | 배터리 상태 추정 장치 및 방법 | |
| CN114978956B (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
| CN110647913B (zh) | 基于聚类算法的异常数据检测方法及装置 | |
| WO2021185182A1 (zh) | 一种异常检测的方法及装置 | |
| CN108180935B (zh) | 传感器的故障检测方法及装置 | |
| CN111222710A (zh) | 数据异常告警方法、装置、设备及存储介质 | |
| US20190064789A1 (en) | System analyzing device, system analyzing method, and computer-readable recording medium | |
| CN117421610A (zh) | 一种用于电能表运行状态预警的数据异常分析方法 | |
| CN116401137B (zh) | 一种芯粒健康状态预测方法、装置、电子设备及存储介质 | |
| CN117237678A (zh) | 用电行为异常检测方法、装置、设备及存储介质 | |
| KR20220061713A (ko) | 스마트 미터의 결측치 대체 방법 및 이를 이용하는 스마트 미터 제어 시스템 | |
| US20150149829A1 (en) | Failure detecting apparatus and failure detecting method | |
| CN110443035A (zh) | 对用于识别入侵尝试的系统进行校准的方法和设备 | |
| CN112907257B (zh) | 风险阈值确定方法、装置和电子设备 | |
| CN114821985A (zh) | 基于人工智能的工业预警系统及方法 | |
| US20180032340A1 (en) | Processor for Correlation-Based Loop Detection | |
| CN114328662A (zh) | 异常数据定位方法、装置、电子设备及存储介质 | |
| CN114356705A (zh) | 用于物联网设备的异常检测方法、装置、设备及介质 | |
| CN111651503B (zh) | 一种配电网数据异常识别方法、系统及终端设备 | |
| CN114083987A (zh) | 电池监测参数的修正方法、装置和计算机设备 | |
| CN114372689A (zh) | 一种基于动态规划的路网运行特征变点识别方法 | |
| US11455372B2 (en) | Parameter estimation apparatus, parameter estimation method, and computer-readable recording medium | |
| US20210397992A1 (en) | Inference apparatus, information processing apparatus, inference method, program and recording medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |