结构变形监测数据预处理方法研究

【摘要】：随着经济的飞速发展,结构工程建设数量和规模越来越大,对结构工程的安全提出了更高的要求。随着传感器、大数据处理等技术在工程建设中的应用,结构自动化监控系统成为保障结构安全的重要手段。结构自动化监控系统的有效运行是以可靠的监测数据为基础的,而结构监测现场由于监测设备、通信方式、外场环境等多因素的影响往往导致监测数据异常、丢失等现象,从而影响结构安全状态评估的可靠性,因此开展对结构自动化监控系统监测数据的预处理和分析具有重要的研究价值。依托国家重点研发计划项目“城市地下大空间施工安全可视化自动监控系统”(2018YFC0808706),针对目前结构变形监测数据降噪处理方法未有效利用监测数据特征和适用性不足的问题,本文提出了一种基于EEMD和小波分析相融合的监测数据降噪模型wavelet-EEMD,实现了对结构变形监测数据中噪声信号的有效去除。首先对结构变形监测数据进行小波降噪,然后对经过小波降噪的数据进行EEMD分解,得到数据的随机项和趋势项,最后引入相关系数法,设置相关系数阈值,将大于阈值的随机项进行累加重构出降噪信号。以实测地铁沉降监测数据对提出的方法进行测试,相比于传统的降噪方法平均降噪性能提高了32.62%,表明提出的模型是一种有效的结构监测数据降噪方法。针对结构变形监测数据中存在的孤立异常值,本文综合考虑了异常检测方法的检测效果及复杂度,采用基于改进的3σ准则对监测异常值进行检测,根据异常值与监测数据序列之间的关系,通过移动平均法对异常值修复。仿真测试结果表明,异常值被准确识别的同时实现了对异常值的可靠修复。对于现有的监测数据连续异常值修复方法模型过于复杂,修复精度与运算速度存在矛盾的问题,结合BLS模型在处理时间序列运算速度上的优势,提出了一种基于BLS模型的结构监测数据异常值修复方法。以实测的地铁沉降监测数据对提出的模型进行测试,相比于ARIMA、ANN、SVR和DBN等具有代表性的异常值修复模型,提出的方法修复误差分别减小了26.91%,7.32%,1.99%和4.71%,而BLS模型的运行时间分别是其它四种对比模型的95、73、1980和2459倍,表明BLS模型在修复监测数据连续异常值的有效性。