【摘要】： 在国家的现代化建设中,桥梁建设是必不可少的。桥梁由于投资巨大、使用期漫长,因此其使用的安全性极为重要。对于所有的桥梁,在建成通车以后,随着时间的推移,由于种种因素会使桥梁的安全度有所下降,以至影响车辆运营的安全。影响桥梁安全的因素很多,诸如:原设计未达到使用要求,施工未达到设计要求,桥梁存在病害,材料老化,疲劳效应锈蚀而未及时养护,车辆的载荷增大或交通量剧增,桥梁伸缩缝损坏等等。随着经济建设的发展,对交通提出了越来越高的要求,反映在交通运输方面,是交通量的不断增加和车辆载重量的增大,使桥梁的交通能力、承载能力等功能性缺陷加剧。为了确保桥梁的正常使用,对桥梁的状况进行健康监测就显得非常重要。 当前的主要桥梁监测方法分为人工检测的方法和一些自动识别方法,它们一般都存在检测费用高、效率低和灵敏度不高的问题。本文在数据挖掘技术的基础上,结合桥梁监测系统的现状,提出了利用数据挖掘技术处理大型数据集的能力来分析由桥梁监测系统产生的数据的方案,用于提高分析桥梁健康状况的能力,最大程度上地确保桥梁安全地使用。本文主要研究了采用数据挖掘技术对桥梁监测数据进行分析的方法,处理桥梁长期监测中所产生采集大量数据。建立了多种数据挖掘模型,分别是: (1)聚类模型,主要用于桥梁数据的异常情况监测,数据的归约。 (2)关联模型,主要用于发现桥梁结构或环境参数之间的关联规则。 (3)时间序列分析模型,主要用于观察桥梁监测数据的变化趋势,各参数值变化趋势的比较,以及参数值的预测,通过参数值的时序图对比,也可以发现桥梁参数的相关关系。 利用所建立的可以重复利用的各种数据挖掘模型,可用于对当前桥梁健康状况的判断和识别。数据挖掘技术注重对数据的分析,发掘出桥梁监测数据所隐含的有用信息,提高了桥梁健康状况评估的自动程度和效率。 【关键词】：数据挖掘 健康监测 聚类 关联 时序分析
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TP311.13
【DOI】：CNKI:CDMD:2.2006.148958
【目录】：

• 中文摘要4-5
• 英文摘要5-9
• 1 绪论9-15
• 1.1 问题的提出及研究意义9-10
• 1.1.1 问题的提出9-10
• 1.1.2 研究的意义10
• 1.2 国内外现状10-12
• 1.3 本文研究的目的和研究内容12-15
• 1.3.1 本文研究的目的12-14
• 1.3.2 本文研究的内容14-15
• 2 相关理论和和技术15-25
• 2.1 桥梁健康检测系统15-16
• 2.2 数据挖掘16-23
• 2.2.1 数据挖掘概述16-17
• 2.2.2 分类(Classification)17-18
• 2.2.3 聚类（Clustering）18-19
• 2.2.4 关联规则（Association Rules）19
• 2.2.5 时间序列分析（Time series Analysis）19-22
• 2.2.6 回归分析和孤立点分析22-23
• 2.3 数据的预处理23-25
• 3 马桑溪大桥健康监测系统简介25-32
• 3.1 监测系统简介25-26
• 3.2 桥梁结构参数和环境参数的监测26-32
• 4 马桑溪大桥健康监测数据的挖掘32-58
• 4.1 桥梁监测数据的预处理32-36
• 4.1.1 数据合并32
• 4.1.2 噪声数据32-33
• 4.1.3 最大值，最小值33-34
• 4.1.4 平均值，标准方差34
• 4.1.5 数据变换34-35
• 4.1.6 主成分分析（PCA）35
• 4.1.7 小结35-36
• 4.2 桥梁监测数据的聚类分析模型36-41
• 4.2.1 Kohonen 人工神经网络36-38
• 4.2.2 桥梁监测数据的聚类分析38-40
• 4.2.3 小结40-41
• 4.3 桥梁监测数据的关联规则挖掘模型41-47
• 4.3.1 基本概念41-42
• 4.3.2 Apriori 算法42-44
• 4.3.3 挖掘桥梁监测数据的关联规则44-47
• 4.3.4 小结47
• 4.4 桥梁监测数据的时间序列模型47-57
• 4.4.1 时间序列的相似性48-50
• 4.4.2 时间序列的ARIMA 模型50-52
• 4.4.3 桥梁监测数据时序预测模型52-57
• 4.4.4 小结57
• 4.5 桥梁监测数据的挖掘模型的使用57-58
• 5 总结和展望58-59
• 5.1 全文总结58
• 5.2 进一步的工作和展望58-59
• 致谢59-60
• 参考文献60-62
• 附录：作者在攻读硕士学位期间发表的论文62-63
• 独创性声明63
• 学位论文版权使用授权书63