[发明专利]一种桥梁结构安全监测数据的预测方法

说明书

技术领域

本发明属于桥梁健康监测技术领域，涉及一种桥梁结构安全监测数据的预测方法，特别是一种基于自回归移动平均模型的二次模糊最小二乘支持向量机桥梁结构安全监测数据的预测方法。

背景技术

桥梁的建设和维护是一个国家基础设施的重要组成部分，在国家建设和人民生活中发挥着重要作用。近年来，随着桥梁建设事业的迅猛发展，桥梁结构的形式与功能日趋复杂，工程规模也越来越大，然而桥梁安全事故却时有发生，桥梁结构的安全隐患广泛存在。在美国，至少每两年要对约57.5万座桥梁进行一次检测，据FHA(Federal Highway Administration)统计约40％的桥梁存在缺陷；1990年英国运输部抽样调查过200座混凝土公路桥，调查结果表明大约30％的桥梁运营条件不良；至2006年末，我国已经拥有公路桥梁53.36万座，但是我国公路桥梁安全隐患问题却尤为突出。在2007年至2011年5年间，全国已经有至少17座大桥发生垮塌事故，共造成200余人伤亡，仅2011年出现的大桥垮塌事故就有9起之多。

这些灾难性的事件使得各国科研人员认为：对桥梁在运营状态下的健康监测问题的研究是刻不容缓的；通过对桥梁结构状态的监控与评估，可以达到保证桥梁安全运营，避免桥梁安全事故发生的目的；同时，监测信息还可以为桥梁维护、维修与管理决策提供依据和指导。

桥梁的长期健康监测数据，如应变、倾斜、位移、挠度、裂缝、索力等，是反映桥梁结构安全的重要指标。通过对监测数据发展趋势的预测，提前获取结构性能的异常变化信号，及早发现大型结构的安全隐患，为桥梁的安全预警提供依据与支持，这已成为现阶段土木工程领域的研究热点。然而，尽管现代技术手段不断取得进步，但由于长期监测得到的信号往往包含多种因素的共同作用，随机性及突发性干扰源较多、较复杂，使得信号的准确预测仍然不是一件容易的工作。

发明内容

有鉴于此，本发明的目的在于提供一种桥梁结构安全监测数据的预测方法，该方法结合了ARMA模型法和最小二乘支持向量机LS-SVM的各自优势,对历史监测数据时序的短期变化进行了预测；并将两者预测结果通过最小二乘模糊支持向量机模型LS-FSVM进行回归处理，最终得到下一时刻的预测值。

为达到上述目的，本发明提供如下技术方案：

一种桥梁结构安全监测数据的预测方法，包括以下步骤：

步骤一：选择桥梁监测数据作为待分析对象，预测其未来发展趋势；所述桥梁监测数据包括：裂缝数据、应变数据、倾斜度数据、挠度数据、位移数据、加速度数据和索力监测数据等；

步骤二：选取桥梁监测数据的样本数据，用样本数据来训练自回归移动平均模型ARMA(Auto Regression Moving Average)，建立ARMA模型，并利用该模型预测下一时刻的监测变量值；

步骤三：用样本数据训练最小二乘支持向量机模型LS-SVM(Least Square Support Vector Machine)，建立LS-SVM模型；利用该模型预测下一时刻的监测变量值；

步骤四：以ARMA模型的预测结果和LS-SVM模型的预测结果作为输入样本，各自赋予其模糊隶属度，训练最小二乘模糊支持向量机模型LS-FSVM(Least Square Fuzzy Support Vector Machine)，建立LS-FSVM模型；利用该模型预测下一时刻的监测变量值，该值为本方法的最终预测结果。

进一步，步骤二具体包括：

1)对获得的数据进行预处理，去掉超量程的不可能数据，用移动平均模型对时域信号进行平滑处理；

2)取前k个历史监测值{x_n-k+1,x_n-k+2,…,x_n-1,x_n}用于ARMA建模，预测x_n+1的值；

3)对数据进行标准化处理：式中x_i是{x_n-k+1,x_n-k+2,…,x_n-1,x_n}中的原始数据，是k个建模数据的均值，σ是k个建模数据的标准差，x′_i是标准化后的数据；

4)对数据进行差分处理，将信号变得平稳化或弱平稳化；

5)用赤池信息量准则AIC(Akaike Information Criterion)准则确定ARMA模型阶数；