【技术实现步骤摘要】
本专利技术涉及工程数据监督，具体涉及一种基于机器学习的土木工程检测数据的智能分析方法。
技术介绍
1、土木工程通常会具有持续的振动特征，对土木工程的振动数据进行监测分析，能够帮助工程师确保其结构的安全性，并且及时发现可能存在的潜在问题，及时对土木工程进行维护，提高工程结构的安全性，避免因工程结构存在安全隐患而造成交通事故。
2、相关技术中直接根据土木工程所对应振动的振动幅值进行数据分析，这种方式下，由于土木工程结构差异较大，且土木工程所对应的振动数据在采集和传输过程中，会不可避免产生一定的振动误差，而振动误差会影响振动幅值，从而导致数据分析的误差较大，可靠性不足。
技术实现思路
1、为了解决相关技术中直接根据土木工程所对应振动的振动幅值进行数据分析，从而导致数据分析的误差较大，可靠性不足的技术问题，本专利技术提供一种基于机器学习的土木工程检测数据的智能分析方法，所采用的技术方案具体如下：
2、本专利技术提出了一种基于机器学习的土木工程检测数据的智能分析方法，方法包括：
3、获取工程结构在预设时间段内的振动数据，根据所述振动数据中振动幅值的第一极值对所述振动数据进行划分，得到数据波段；
4、将任一数据波段作为待测波段，在待测波段为中心的预设邻域范围内的其他数据波段为相邻波段，根据待测波段与所有相邻波段中所有数据点的振动幅值、数据点数量和波段时长的差异，确定待测波段的异常指标；根据待测波段与所有相邻波段中振动幅值的第二极值差异和待测波段的
5、根据待测波段与相邻波段之间的时序波动特征，确定待测波段与每一相邻波段的时序相似度，根据待测波段与所有相邻波段之间的时序相似度以及所有相邻波段的初始异常程度，确定所述待测波段的重要程度；
6、根据每一数据波段的重要程度和振动幅值，确定每一数据波段的聚类特征值，根据所有数据波段的聚类特征值对所有数据波段进行层次聚类，得到聚类簇，分别对不同聚类簇中的所有数据波段进行特征分析，得到分析结果。
7、进一步地，所述根据待测波段与所有相邻波段中所有数据点的振动幅值、数据点数量和波段时长的差异，确定待测波段的异常指标，包括：
8、计算所述待测波段中所有数据点的振动幅值的均值与每一相邻波段中所有数据点的振动幅值的均值的差值绝对值，得到待测波段与每一相邻波段的幅值差异，计算待测波段与所有相邻波段的幅值差异的均值，归一化处理得到待测波段的幅值影响系数；
9、计算所述待测波段与所有相邻波段的数据点数量的均值，得到数据点均值，将所述待测波段的数据点数量与数据点均值的差值绝对值，归一化处理作为数量影响系数；
10、根据所述待测波段与所有相邻波段的持续时间的分布，确定所述待测波段的时长影响系数；
11、计算所述幅值影响系数、所述数量影响系数和所述时长影响系数的乘积的归一化值，得到待测波段的异常指标。
12、进一步地，所述根据所述待测波段与所有相邻波段的持续时间的分布，确定所述待测波段的时长影响系数，包括：
13、计算所述待测波段与所有相邻波段的持续时间的方差作为第一时间方差；
14、计算所有相邻波段的持续时间的方差作为第二时间方差；
15、将所述第一时间方差和所述第二时间方差的差值绝对值，归一化处理得到时长影响系数。
16、进一步地，所述第二极值为极大值，所述根据待测波段与所有相邻波段中振动幅值的第二极值差异和待测波段的异常指标，确定待测波段的初始异常程度，包括：
17、计算所述待测波段分别与每一相邻波段中振动幅值的极大值的差值绝对值的均值，得到极大值差异均值系数；
18、计算所述极大值差异均值系数与待测波段的异常指标的乘积，归一化处理作为待测波段的初始异常程度。
19、进一步地，所述根据待测波段与相邻波段之间的时序波动特征，确定待测波段与每一相邻波段的时序相似度，包括：
20、基于动态时间规整算法，计算所述待测波段与每一相邻波段的振动数据的dtw值，将所述dtw值负相关映射并归一化，得到待测波段与每一相邻波段的时序相似度。
21、进一步地，所述根据待测波段与所有相邻波段之间的时序相似度以及所有相邻波段的初始异常程度，确定所述待测波段的重要程度，包括：
22、任选一个相邻波段作为分析波段，将待测波段与分析波段的时序相似度和分析波段的初始异常程度的差值作为待测波段与分析波段的时序重要系数；
23、计算所述待测波段与所有相邻波段的时序重要系数的均值，归一化处理得到所述待测波段的重要程度。
24、进一步地，所述根据每一数据波段的重要程度和振动幅值，确定每一数据波段的聚类特征值，包括：
25、计算数据波段中所有数据点的振动幅值的均值，得到振动系数；
26、将同一数据波段的重要程度与振动系数的乘积作为对应数据波段的聚类特征值。
27、进一步地，所述根据所有数据波段的聚类特征值对所有数据波段进行层次聚类，得到聚类簇，包括：
28、基于层次聚类算法对所有数据波段的聚类特征值进行层次聚类，将所有数据波段聚类为至少两个聚类簇。
29、进一步地，所述分别对不同聚类簇中的所有数据波段进行特征分析，得到分析结果，包括：
30、基于预训练的特征分析模型对不同聚类簇中的所有数据波段进行特征提取，得到特征数据，将所有聚类簇所分别对应的所述特征数据作为分析结果。
31、进一步地，所述第一极值为极小值，所述根据所述振动数据中振动幅值的第一极值对所述振动数据进行划分，得到数据波段，包括：
32、将所述振动数据中两个极小值之间的振动数据划分为一个数据波段。
33、本专利技术具有如下有益效果：
34、本专利技术针对相关技术中直接根据振动幅值进行数据分析，从而导致数据分析的误差较大，可靠性不足的问题，通过获取工程结构的振动数据所对应的数据波段，根据局部范围内相邻波段与中心待测波段在振动幅值、数据点数量和所对应的波段时长等的差异，对待测波段进行异常分析，并结合振动幅值的极值差异确定待测波段的初始异常程度，由于土木工程的振动在时序上相邻波段间的影响较大，也即在数据波段发生突变时对应越异常，本专利技术则使用初始异常程度表征每一数据波段的异常情况。而后，结合待测波段与相邻波段之间的时序波动特征确定时序相似度，由于土木工程在正常的波动情况下，其波形周期性较高，也即时序相似度较高，因此，本专利技术实施例通过时序相似度进一步对波形异常的数据波段进行筛选。结合时序相似度和初始异常程度确定待测波段的重要程度，基于重要程度和振动幅值确定聚类特征值，实现聚类处理，得到聚类簇，本专利技术实施例所得到的聚类簇能够有效结合每一数据波段在局部范围内的波形特征，从而根据异常情况和实际的振动幅值进行分类，使得后续在进行特征分析时本文档来自技高网...
【技术保护点】
1.一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据待测波段与所有相邻波段中所有数据点的振动幅值、数据点数量和波段时长的差异，确定待测波段的异常指标，包括：
3.如权利要求2所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据所述待测波段与所有相邻波段的持续时间的分布，确定所述待测波段的时长影响系数，包括：
4.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述第二极值为极大值，所述根据待测波段与所有相邻波段中振动幅值的第二极值差异和待测波段的异常指标，确定待测波段的初始异常程度，包括：
5.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据待测波段与相邻波段之间的时序波动特征，确定待测波段与每一相邻波段的时序相似度，包括：
6.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于
7.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据每一数据波段的重要程度和振动幅值，确定每一数据波段的聚类特征值，包括：
8.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据所有数据波段的聚类特征值对所有数据波段进行层次聚类，得到聚类簇，包括：
9.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述分别对不同聚类簇中的所有数据波段进行特征分析，得到分析结果，包括：
10.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述第一极值为极小值，所述根据所述振动数据中振动幅值的第一极值对所述振动数据进行划分，得到数据波段，包括：
...【技术特征摘要】
1.一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据待测波段与所有相邻波段中所有数据点的振动幅值、数据点数量和波段时长的差异，确定待测波段的异常指标，包括：
3.如权利要求2所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据所述待测波段与所有相邻波段的持续时间的分布，确定所述待测波段的时长影响系数，包括：
4.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述第二极值为极大值，所述根据待测波段与所有相邻波段中振动幅值的第二极值差异和待测波段的异常指标，确定待测波段的初始异常程度，包括：
5.如权利要求1所述的一种基于机器学习的土木工程检测数据的智能分析方法，其特征在于，所述根据待测波段与相邻波段之间的时序波动特征，确定待测波段与每一相邻波段的时序相似度，包括：
6.如...
【专利技术属性】
技术研发人员：杨志刚，曹龙，秦帅，邓思，
申请(专利权)人：长沙金码测控科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。