|本期目录/Table of Contents|

[1]岳加利,郝　静,卢海林*,等.桥梁结构监测数据异常值处理方法[J].武汉工程大学学报,2022,44(01):107-111.[doi:10.19843/j.cnki.CN42-1779/TQ.202105018]
　YUE Jiali,HAO Jing,LU Hailin*,et al.Outliers Processing Method of Bridge Structure Monitoring Data[J].Journal of Wuhan Institute of Technology,2022,44(01):107-111.[doi:10.19843/j.cnki.CN42-1779/TQ.202105018]
点击复制

桥梁结构监测数据异常值处理方法(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
44
期数:
2022年01期
页码:
107-111
栏目:
资源与土木工程
出版日期:
2022-02-28

文章信息/Info

Title:
Outliers Processing Method of Bridge Structure Monitoring Data
文章编号:
1674 - 2869（2022）01 - 0107 - 05
作者:
岳加利; 郝　静; 卢海林*; 余　勇; 孙舒畅; 李培轩
武汉工程大学土木工程与建筑学院，湖北 武汉 430074
Author(s):
YUE Jiali; HAO Jing; LU Hailin*; YU Yong; SUN Shuchang; LI Peixuan
School of Civil Engineering and Architecture，Wuhan Institute of Technology，Wuhan 430074，China
关键词:
桥梁结构; 监测数据; 灰色关联度; 箱型图; Spearman相关系数
Keywords:
bridge structure; monitoring data;  grey correlation degree; box plot; Spearman correlation coefficient
分类号:
U448.216
DOI:
10.19843/j.cnki.CN42-1779/TQ.202105018
文献标志码:
A
摘要:
以武汉市某混凝土连续梁桥的温度和应变监测数据为研究对象，采用灰色关联度方法评估海量监测数据的有效性，利用基于拉格朗日插值的改进箱型图实现了对数据中异常值的剔除和补全，得到相应温度与应变的Spearman相关系数，与原始数据、拉依达准则处理后数据比较：S1、S2测点处原始数据的Spearman的相关系数为0.782 8、0.942 0，拉依达准则处理后为0.792 0、0.946 1，改进箱型图处理后为0.824 4、0.977 0。结果表明：在验证桥梁温度和应变监测数据有效的基础上，采用对监测数据异常值剔除和补全的改进箱型图处理后的温度与应变的Spearman相关系数明显提高，该方法可用于桥梁海量监测数据处理，具有较好的适用性。
Abstract:
Taking the temperature and strain monitoring data of a concrete continuous beam bridge in Wuhan as the research object，we adopted grey correlation method to evaluate the effectiveness of the massive data. Then，an improved box plot method based on Lagrange interpolation was used to eliminate and complement the outliers. After that，the Spearman correlation coefficients of the corresponding temperature and strain were obtained and compared with the raw data and the pauta criterion：Spearman correlation coefficients of the raw data at measuring positions S1 and S2 are 0.782 8 and 0.942 0； while they are 0.792 0 and 0.946 1 respectively by pauta criterion processing，and 0.824 4 and 0.977 0 respectively by improved box plot method processing. The results show that the Spearman correlation coefficients of temperature and strain are significantly increased after the outliers of monitoring data are eliminated and complemented by the improved box plot method，premising the bridge temperature and strain monitoring data are effective. It illustrates that this method has good applicability to process massive monitoring data of bridges.

参考文献/References:

［1］　孙利民，尚志强，夏烨. 大数据背景下的桥梁结构健康监测研究现状与展望［J］. 中国公路学报，2019，32（11）：1-20.［2］　单德山，罗凌峰，李乔. 桥梁健康监测2019年度研究进展［J］. 土木与环境工程学报（中英文），2020，40（5）：115-125.［3］　刘阳，桑永春，刘晓，等. 桥梁结构健康监测异常数据修复应用研究［J］. 物联网技术，2018，8（9）：48-50.［4］　高照明. 结构健康监测数据异常诊断与修复方法研究［D］. 大连：大连理工大学，2020.［5］　韩亚爽. 桥梁结构健康监测海量数据预处理与挖掘分析［D］. 石家庄：石家庄铁道大学，2019.［6］　颜飞，张兴，李万杰，等. 桥梁建筑质量运营监测数据处理仿真研究［J］. 计算机仿真，2019，36（1）：441-444.［7］　FU Y G，PENG C，GOMEZ F，et al. Sensor fault management techniques for wireless smart sensor networks in structural health monitoring ［J］. Structural Control and Health Monitoring， 2019， 26（7）：e2362：1-21.［8］　韩晓健，吴家栋. 叠合梁桥监测数据预处理技术应用研究［J］. 江苏建筑，2019（5）：36-38.［9］　吴运宏，舒昕，王戒躁，等. 基于微簇的桥梁监测数据流异常识别研究［J］. 计算机应用与软件，2016，33（9）：46-50，96.［10］　YI T H， HUANG H B， LI H N. Development of sensor validation methodologies for structural health monitoring：a comprehensive review ［J］. Measurement，2017，109：200-214.［11］　涂成枫，刘泽佳，张舸，等. 面向桥梁长期健康监测的大数据处理技术及应用［J］. 实验力学，2017，32（5）：652-663.［12］　MOYO P， BROWNJOHN J M W. Detection of anomalous structural behaviour using wavelet analysis ［J］. Mechanical Systems & Signal Processing，2002，16（2/3）：429-445.［13］　周建庭，蓝章礼，梁宗保. 大型桥梁安全监测评估新技术探索与实践［J］. 重庆交通大学学报（自然科学版），2016，35（增刊1）：61-71.［14］　LI L Y， LIU Z， DU X L. Improvement of analytic hierarchy process based on grey correlation model and its engineering application ［J］. ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems，Part A：Civil Engineering，2021，7（2）：04021007：1-12.［15］　吴健，刘小弟，孙超勇，等. 基于GM（1，1）与灰色关联度的概率犹豫模糊信息应急决策方法［J］. 统计与决策，2020，36（2）：164-168.［16］　罗明明. 桥梁健康监测系统数据处理与分析技术研究［D］. 重庆：重庆大学，2015.［17］　罗小江.桥梁健康监测的大数据关联分析与机理性研究［D］. 广州：华南理工大学，2018.［18］　刘泽佳，陈溢涛，周立成，等. 桥梁长期健康监测大数据温度与应变特征及关联性分析［J］. 科学技术与工程，2018，18（35）：72-79.［19］　徐林明，李美娟. 动态综合评价中的数据预处理方法研究［J］. 中国管理科学，2020，28（1）：162-169.［20］　梁吉业，冯晨娇，宋鹏.大数据相关分析综述［J］. 计算机学报，2016，39（1）：1-18.

相似文献/References:

[1]王亚飞,杨宏印*,王　莹,等.钢箱梁竖向温度梯度模式研究——以武汉市某高架桥钢箱梁为例[J].武汉工程大学学报,2021,43(02):202.[doi:10.19843/j.cnki.CN42-1779/TQ.201912003]
　WANG Yafei,YANG Hongyin*,WANG Ying,et al.Vertical Temperature Gradient Model of Steel Box Girder：Taking Steel Box Girder of Viaduct in Wuhan as Study Case[J].Journal of Wuhan Institute of Technology,2021,43(01):202.[doi:10.19843/j.cnki.CN42-1779/TQ.201912003]

备注/Memo

备注/Memo:
收稿日期：2021-05-20基金项目：武汉市城乡建设委员会科技计划项目（201831）；武汉工程大学研究生教育创新基金（CX2020108）作者简介：岳加利，硕士研究生。E-mail：2286977930@qq.com*通讯作者：卢海林，博士，教授，博士研究生导师。E-mail：hail_lu@yangtzeu.edu.cn引文格式：岳加利，郝静，卢海林，等. 桥梁结构监测数据异常值处理方法［J］. 武汉工程大学学报，2022，44（1）：107-111.
更新日期/Last Update: 2022-03-02