基于ARMA的桥梁监测信息预测技术研究

《基于ARMA的桥梁监测信息预测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、44世界桥梁2015，43(3)基于ARMA的桥梁监测信息预测技术研究唐浩。孟利波，宋刚，廖敬波。(1．桥梁工程结构动力学国家重点实验室，重庆400067；2．招商局重庆交通科研设计院有限公司，重庆400067)摘要：为解决桥梁结构健康监测中长期累积的海量监测数据处理问题，采用数据挖掘中的时间序列分析方法，利用自回归移动平均(ARMA)技术对桥梁历史静态监测量进行分析，直接得出关于其过去行为的有关结论，进而推断其未来发展趋势。与基于因果关系的结构式模型预测法不同，ARMA无需明确模型结构或边界条件，而是直接从统计学的

2、角度预测变量未来发展情况。采用该技术对西安白蛇峪大桥应变监测数据进行分析，试验结果显示出较高的预测精度；采用该技术对重庆偏岩子大桥的应变、挠度、裂缝、倾斜监测量进行预测，试验统计结果表明，ARMA单步预测误差小于10％的置信度在97以上，在工程实际中具有可实用性，可为桥梁结构的安全预警提供重要参考依据。关键词：桥梁；健康监测；数据；时间序列；ARMA；预警；预测中图分类号：U446．2文献标志码：A文章编号：1671—7767(2015)03—0044—051前言预测途径口]，即通过对历史数据的分析，直接得出近年来，

3、随着交通量骤增，许多桥梁的设计荷载关于其过去行为的有关结论，进而对时间序列的未已不能满足现行车辆荷载的使用要求，桥梁结构的来行为进行推断。本文针对桥梁结构自身演变趋势安全形势日趋严峻。为了保障桥梁运营期内的结构在监测数据时间序列中的反映情况，应用ARMA安全，必须对桥梁进行健康监测，建立安全预警机对桥梁长期监测中的应变、挠度、裂缝、倾斜等多种制，防止桥梁垮塌等重大事故的发生。桥梁健康监变量建立历史趋势模型，预测其未来发展走势，以期测每天会产生大量数据，而桥梁的老化、损伤往往是提前掌握桥梁结构的缓变状态，为桥梁结构的安

4、全由很长一段时间造成的，期间收集到的数据量非常预警提供参考依据。惊人。现有的健康监测系统对长时间累积的监测数据处理手段十分有限，无法及时从历史数据中发现2时间序列预测桥梁存在的问题。而采用数据挖掘技术叫_贝0可从2．1ARMA模型原理海量信息中发现、挖掘出隐含的、先前未知的、有潜ARMA模型由2部分组成：自回归(AutoRe—在价值的关系、模式、趋势等，并能用这些知识与规gression，AR)模型和移动平均(MovingAverage，则建立决策支持模型，为桥梁结构的健康监测与安MA)模型。其中，AR模型的输出是其

5、历史输出的全评估提供科学的参考依据。函数，MA模型中的输出是历史预测误差的函数。传统的预测方法通过某单一方程回归模型或联假设一个时间序列用{Y)表示，则AR模型和MA立方程回归模型实现，由于其是以因果关系为基础，模型可分别用公式(1)、(2)来描述：且具有一定的模型结构，因此也常称为结构式模型Y一1Y1+22+⋯+Cpy+￡(1)预测法]。然而，当模型边界条件无法界定，模型一￡￡一0l￡r1—02￡r2一⋯一q(2)结构无法准确构建时，利用该法来预测时间序列的式中，e为随机干扰误差，呈正态零均值分布，￡越变动就比较困

6、难了。在这种情况下，数据挖掘中对小越好，但不能为0，e为0表示模型只受历史影响时间序列的自回归移动平均(AutoRegression而不受其它因素影响；P为AR模型的自回归阶数；MovingAverage，ARMA)分析方法开辟了另一条为AR模型自回归参数；q为MA模型的移动平均阶收稿日期：2015一O2—13基金项目：交通运输部西部交通建设科技项目(2013—364—740—600)；重庆市科委新产品创新青年科技人才培养项目(cstc2013kjrc-qnrc30OO1)作者筒介：唐浩(1983一)，男，高级工程师

7、，2004年毕业于西安交通大学机械工程及自动化专业，获学士学位，2010年毕业于西安交通大学机械制造及自动化专业，获博士学位(E—mail：tanghaol@cmhk．com)。基于ARMA的桥梁监测信息预测技术研究唐浩，孟利波，宋刚，廖敬波45数；为MA模型移动平均参数。在选择可能的模型时，AIC与SBC越小越好。将AR()模型和MA(q)模型组合就形成了显然，若添加的滞后项没有解释能力，则对RSS值ARMA(，q)模型，其表达式为：的减小没有多大帮助，但却增加了待估计参数的个Y一lY1+2Y2+⋯+CpYp+数，

8、使得AIC或SBC值增加。￡I一01￡卜1—02e卜z一⋯一卜口(3)实际上，AR模型与MA模型是ARMA模型的2个3ARMA在工程中的应用极限情况。采用ARMA技术分别对西安、重庆的2座桥只有平稳或弱平稳时间序列才能用ARMA理梁监测信号进行了预测，图1为用ARMA对时间论建模，否则会产生“伪回归”，研究结论不可信。由序列建模的流程。于严格的