基于决策树模型的桥梁状态监测方法技术

本发明专利技术公开了一种基于决策树模型的桥梁状态监测方法，包括步骤：S1.获取桥梁的历史状态信息，并将桥梁的历史状态信息作为样本数据集；S2.使用样本数据集进行模型训练，生成决策树模型；S3.采集桥梁的实时状态信息；S4.使用决策树模型对桥梁的实时状态信息进行分类判断，得到分类结果；S5.对分类结果进行等级划分，得到桥梁状态的监测结果。本发明专利技术的基于决策树模型的桥梁状态监测方法，能够快速对桥梁状态进行分类，并得到准确可靠的桥梁状态监测结果。结果。结果。

【技术实现步骤摘要】
基于决策树模型的桥梁状态监测方法


[0001]本专利技术涉及桥梁监测领域，具体涉及一种基于决策树模型的桥梁状态监测方法。

技术介绍

[0002]桥梁作为一种常用的交通通行设施，时常受到周围环境以及承载力的影响，进而对桥梁的结构造成不同程度的损伤。为了使得桥梁能够正常稳定地运行，常常需要对桥梁的状态进行监测。
[0003]目前，对于桥梁状态的监测主要是通过对各种传感器采集到的数据以及信号进行处理与分析，并根据分析结果来判断桥梁的健康情况以及工作状态，但其处理与分析过程一般耗时长、同时得到的分析结果与实际结果往往存在较大偏差。

技术实现思路

[0004]有鉴于此，本专利技术的目的是克服现有技术中的缺陷，提供基于决策树模型的桥梁状态监测方法，能够快速对桥梁状态进行分类，并得到准确可靠的桥梁状态监测结果。
[0005]本专利技术的基于决策树模型的桥梁状态监测方法，包括如下步骤：
[0006]S1.获取桥梁的历史状态信息，并将桥梁的历史状态信息作为样本数据集；
[0007]S2.使用样本数据集进行模型训练，生成决策树模型；
[0008]S3.采集桥梁的实时状态信息；
[0009]S4.使用决策树模型对桥梁的实时状态信息进行分类判断，得到分类结果；
[0010]S5.对分类结果进行等级划分，得到桥梁状态的监测结果。
[0011]进一步，步骤S2中，以样本数据集的全集作为根节点，以样本数据集中筛选的特征属性作为内部节点，以分类结果作为叶节点，生成决策树模型。
[0012]进一步，选择信息增益最大的特征属性作为筛选的特征属性。
[0013]进一步，根据如下公式确定信息增益：
[0014][0015]其中，E(S)为已知分类样本数据集S的信息熵；γ
m
为第m类样本在样本数据集S中所占比例；L为样本数据集S中的类别数目。
[0016]进一步，根据如下式子对分类结果进行等级划分，得到桥梁状态的监测结果：
[0017][0018]其中，G为监测结果；R为分类结果的受损评估值；R0、R1、R2以及R3均为受损程度度量值。
[0019]进一步，根据如下公式确定分类结果的受损评估值：
[0020][0021]其中，R
i
为分类结果i的受损评估值；I
i
为分类结果i的映射分，所述映射分的取值范围为(1,λ)；K为分类结果总数目；a
i
为分类结果i对应的权重系数。
[0022]本专利技术的有益效果是：本专利技术公开的一种基于决策树模型的桥梁状态监测方法，通过对样本数据集进行节点构造，生成决策树模型，并通过决策树模型对目标桥梁的实时状态信息进行快速分类，使得分类结果准确有效；通过对分类结果进行等级划分，得到客观可靠的桥梁状态监测结果。
附图说明
[0023]下面结合附图和实施例对本专利技术作进一步描述：
[0024]图1为本专利技术的方法流程示意图。
具体实施方式
[0025]以下结合说明书附图对本专利技术做出进一步的说明，如图所示：
[0026]本专利技术的基于决策树模型的桥梁状态监测方法，包括如下步骤：
[0027]S1.获取桥梁的历史状态信息，并将桥梁的历史状态信息作为样本数据集；其中，所述历史状态信息可通过查询历史数据库获取；
[0028]S2.使用样本数据集进行模型训练，生成决策树模型；
[0029]S3.采集桥梁的实时状态信息；其中，通过传感器或现有的监测系统采集目标桥梁的实时状态信息，所述状态信息包括桥梁所处的环境信息、桥梁振动信息、桥梁沉降信息以及桥梁应变信息；
[0030]S4.使用决策树模型对桥梁的实时状态信息进行分类判断，得到分类结果；其中，从决策树模型中决策树的根节点出发，将实时状态信息与决策树的内部节点进行比较，当比较的结果不符合要求时，沿着所述内部节点的分支继续向下比较，一直到达叶节点，进而匹配到合适的目标叶节点，并将目标叶节点的结果值作为桥梁的分类结果；
[0031]S5.对分类结果进行等级划分，得到桥梁状态的监测结果。
[0032]本实施例中，步骤S2中，以样本数据集的全集作为根节点，以样本数据集中筛选的特征属性作为内部节点，以分类结果作为叶节点，生成决策树模型。
[0033]本实施例中，选择信息增益最大的特征属性作为筛选的特征属性。其中，样本数据集中每个样本的属性一般会有多个，不同属性的影响程度有所不同，通过对属性进行特征筛选，得到与分类结果相关性比较高的特征属性。
[0034]本实施例中，根据如下公式确定信息增益：
[0035][0036]其中，E(S)为已知分类样本数据集S的信息熵；γ
m
为第m类样本在样本数据集S中所占比例；L为样本数据集S中的类别数目。
[0037]本实施例中，根据如下式子对分类结果进行等级划分，得到桥梁状态的监测结果：
[0038][0039]其中，G为监测结果；R为分类结果的受损评估值；R0、R1、R2以及R3均为受损程度度量值。其中，R0、R1、R2以及R3的值可根据实际工况进行设置。
[0040]本实施例中，根据如下公式确定分类结果的受损评估值：
[0041][0042]其中，R
i
为分类结果i的受损评估值；I
i
为分类结果i的映射分，所述映射分的取值范围为(1,λ)，所述λ取值为10；K为分类结果总数目；a
i
为分类结果i对应的权重系数，所述权重系数可根据实际工况进行设置。其中，通过统计分类结果i在历史数据记录中对桥梁损伤的影响程度，为分类结果i设置映射分，一般地，若在历史记录中显示分类结果i会使得桥梁出现裂缝以及振动明显等，则可设置分类结果i的映射分范围为(8,10)；若在历史记录中显示分类结果i会使得桥梁材料劣化等，则可设置分类结果i的映射分范围为(4,7)；若在历史记录中显示分类结果i基本上不会对桥梁造成影响，则可设置分类结果i的映射分范围为(1,3)。
[0043]最后说明的是，以上实施例仅用以说明本专利技术的技术方案而非限制，尽管参照较佳实施例对本专利技术进行了详细说明，本领域的普通技术人员应当理解，可以对本专利技术的技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的宗旨和范围，其均应涵盖在本专利技术的权利要求范围当中。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树模型的桥梁状态监测方法，其特征在于：包括如下步骤：S1.获取桥梁的历史状态信息，并将桥梁的历史状态信息作为样本数据集；S2.使用样本数据集进行模型训练，生成决策树模型；S3.采集桥梁的实时状态信息；S4.使用决策树模型对桥梁的实时状态信息进行分类判断，得到分类结果；S5.对分类结果进行等级划分，得到桥梁状态的监测结果。2.根据权利要求1所述的基于决策树模型的桥梁状态监测方法，其特征在于：步骤S2中，以样本数据集的全集作为根节点，以样本数据集中筛选的特征属性作为内部节点，以分类结果作为叶节点，生成决策树模型。3.根据权利要求2所述的基于决策树模型的桥梁状态监测方法，其特征在于：选择信息增益最大的特征属性作为筛选的特征属性。4.根据权利要求3所述的基于决策树模型的桥梁状态监测方法，其特征在于：根据如下公式确...

【专利技术属性】
技术研发人员：漆玲玲，任宏，游凯瑞，施庆伟，罗声，傅晏，
申请(专利权)人：重庆大学，
类型：发明
国别省市：