[发明专利]一种桥梁监测数据关联规则挖掘及健康预警方法及系统

权利要求书

1.一种桥梁监测数据关联规则挖掘及健康预警方法，其特征在于，包括以下步骤：

S1、输入桥梁传感器的历史数据，然后对数据进行预处理和离散化；

S2、基于上一步处理后的数据，利用Apriori算法生成关联规则；

S3、对比桥梁正常与各项异常事件下的关联规则，记录变化较大的关联规则，建立关联规则库；

S4、输入新的桥梁传感器数据作为训练数据，然后对数据进行预处理和离散化；

S5、基于上一步处理后的数据，利用Apriori算法生成关联规则；

S6、结合关联规则库，预测桥梁当前状态；

S7、输出预测结果，判断预测结果是否正确并计算预测准确率，然后判断是否训练次数足够且预测准确率大于设定值，是则转下一步，可将得到的关联模型应用于实时数据预测，否则返回步骤S4，继续进行训练；

S8、输入桥梁传感器的实施数据，并对数据进行预处理和离散化，然后基于处理后的数据，利用Apriori算法生成关联规则；

S9、结合关联规则库，预测桥梁当前状态；

S10、输出预测结果；

步骤S1中，数据离散化的方法为：桥梁结构或环境参数数据为数值数据，采取分箱方法将一定区间内的数据整合到一个箱中，以将数值型数据转化为Apriori算法可处理的字符型数据；分箱的具体参数指标参照传感器数据与桥梁的实时状态来确定，分箱区间根据数值安全度划分，即根据传感器数值在设定范围内桥梁异常的概率划分；

分箱过程需满足：(1)分箱区间的划分需能够包含所有数据的值，即每一个数据都能被分到某一个箱中；(2)正常数据与异常数据需统一分箱区间，即正常数据与异常数据的分箱个数、每个分箱区间的上限与下限的值需一致；(3)分箱时需设置一个传感器异常的分箱区间，即输入的数据的值不在传感器能接收的区间；

步骤S2中，利用Apriori算法生成关联规则的方法为：利用Apriori算法找出分箱后数据的频繁项集，输出每项频繁项集的支持度、置信度与提升度；一条关联规则由项集及其支持度、置信度和提升度构成；根据计算能力调整最小支持度与最小置信度以寻找尽可能多的关联规则；

步骤S3中，对比桥梁正常与每项异常事件下具有相同项集的关联规则，记录下支持度、置信度、提升度变化较大的关联规则，按表结构为：项集、正常关联规则属性、异常关联规则属性、异常事件，将其汇总到关联规则库中；

记录筛选的每条关联规则，建立关联规则库，其表结构为：桥梁异常事件、项集、桥梁正常状况关联规则属性、桥梁异常状况关联规则属性、关联规则发生次数、关联规则发生占比、关联规则发生与该桥梁异常事件比例；

步骤S6中，结合关联规则库，判断桥梁当前状态的方法为：

将关联规则库中的关联规则与实时数据产生的具有相同前项后项的关联规则做对比，通过比较判断其属性为正常状态或异常状态；根据处于异常状态的关联规则属性，寻找最为接近的桥梁异常事件；若无相近的异常事件且只有小部分处于异常状态的关联规则，则判断桥梁处于正常状态，输出桥梁正常；若无相近的异常事件且较多传感器处于异常状态下，则判断桥梁处于未知异常状态，输出桥梁出现未知异常状态；若有相近的异常事件，则判断桥梁处于该异常状态，输出桥梁发生该项异常事件。

2.根据权利要求1所述的一种桥梁监测数据关联规则挖掘及健康预警方法，其特征在于，步骤S1中，输入的桥梁传感器数据包括桥梁正常和异常状态下的传感器数据，异常状态数据添加标签，以说明当前数据区间桥梁处于何种异常事件；桥梁正常状态下的传感器数据，其数据结构为：【时间、桥梁名称、传感器类型、传感器编号、单位时间间隔内传感器数据平均值、传感器位置】；桥梁异常状态下的传感器数据，其数据结构为：【时间、桥梁名称、传感器类型、传感器编号、单位时间间隔内传感器数据平均值、传感器位置，桥梁异常事件】。

3.根据权利要求2所述的一种桥梁监测数据关联规则挖掘及健康预警方法，其特征在于，步骤S1中，数据预处理的方法为：将同一时间但不同类型、编号的传感器数据进行汇聚；将桥梁正常状态下的传感器数据分为一组，其他每项桥梁异常事件下的数据各为一组。