[發(fā)明專利]一種橋梁監(jiān)測數(shù)據(jù)關聯(lián)規(guī)則挖掘及健康預警方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110596358.5
• 申請日: 2021-05-30
• 公開（公告）號: CN113297272B
• 公開（公告）日: 2023-01-06
• 發(fā)明（設計）人: 黃正鵬;劉議丹;馮永升;陳友武;馬森標;黃祖海;李自強;王知軍
• 申請（專利權(quán)）人: 福建中銳網(wǎng)絡股份有限公司
• 主分類號: G06F16/2455
• 分類號: G06F16/2455;G06F16/2458
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 張燈燦;蔡學俊

1.一種橋梁監(jiān)測數(shù)據(jù)關聯(lián)規(guī)則挖掘及健康預警方法，其特征在于，包括以下步驟：

S1、輸入橋梁傳感器的歷史數(shù)據(jù)，然后對數(shù)據(jù)進行預處理和離散化；

S2、基于上一步處理后的數(shù)據(jù)，利用Apriori算法生成關聯(lián)規(guī)則；

S3、對比橋梁正常與各項異常事件下的關聯(lián)規(guī)則，記錄變化較大的關聯(lián)規(guī)則，建立關聯(lián)規(guī)則庫；

S4、輸入新的橋梁傳感器數(shù)據(jù)作為訓練數(shù)據(jù)，然后對數(shù)據(jù)進行預處理和離散化；

S5、基于上一步處理后的數(shù)據(jù)，利用Apriori算法生成關聯(lián)規(guī)則；

S6、結(jié)合關聯(lián)規(guī)則庫，預測橋梁當前狀態(tài)；

S7、輸出預測結(jié)果，判斷預測結(jié)果是否正確并計算預測準確率，然后判斷是否訓練次數(shù)足夠且預測準確率大于設定值，是則轉(zhuǎn)下一步，可將得到的關聯(lián)模型應用于實時數(shù)據(jù)預測，否則返回步驟S4，繼續(xù)進行訓練；

S8、輸入橋梁傳感器的實施數(shù)據(jù)，并對數(shù)據(jù)進行預處理和離散化，然后基于處理后的數(shù)據(jù)，利用Apriori算法生成關聯(lián)規(guī)則；

S9、結(jié)合關聯(lián)規(guī)則庫，預測橋梁當前狀態(tài)；

S10、輸出預測結(jié)果；

步驟S1中，數(shù)據(jù)離散化的方法為：橋梁結(jié)構(gòu)或環(huán)境參數(shù)數(shù)據(jù)為數(shù)值數(shù)據(jù)，采取分箱方法將一定區(qū)間內(nèi)的數(shù)據(jù)整合到一個箱中，以將數(shù)值型數(shù)據(jù)轉(zhuǎn)化為Apriori算法可處理的字符型數(shù)據(jù)；分箱的具體參數(shù)指標參照傳感器數(shù)據(jù)與橋梁的實時狀態(tài)來確定，分箱區(qū)間根據(jù)數(shù)值安全度劃分，即根據(jù)傳感器數(shù)值在設定范圍內(nèi)橋梁異常的概率劃分；

分箱過程需滿足：(1)分箱區(qū)間的劃分需能夠包含所有數(shù)據(jù)的值，即每一個數(shù)據(jù)都能被分到某一個箱中；(2)正常數(shù)據(jù)與異常數(shù)據(jù)需統(tǒng)一分箱區(qū)間，即正常數(shù)據(jù)與異常數(shù)據(jù)的分箱個數(shù)、每個分箱區(qū)間的上限與下限的值需一致；(3)分箱時需設置一個傳感器異常的分箱區(qū)間，即輸入的數(shù)據(jù)的值不在傳感器能接收的區(qū)間；

步驟S2中，利用Apriori算法生成關聯(lián)規(guī)則的方法為：利用Apriori算法找出分箱后數(shù)據(jù)的頻繁項集，輸出每項頻繁項集的支持度、置信度與提升度；一條關聯(lián)規(guī)則由項集及其支持度、置信度和提升度構(gòu)成；根據(jù)計算能力調(diào)整最小支持度與最小置信度以尋找盡可能多的關聯(lián)規(guī)則；

步驟S3中，對比橋梁正常與每項異常事件下具有相同項集的關聯(lián)規(guī)則，記錄下支持度、置信度、提升度變化較大的關聯(lián)規(guī)則，按表結(jié)構(gòu)為：項集、正常關聯(lián)規(guī)則屬性、異常關聯(lián)規(guī)則屬性、異常事件，將其匯總到關聯(lián)規(guī)則庫中；

記錄篩選的每條關聯(lián)規(guī)則，建立關聯(lián)規(guī)則庫，其表結(jié)構(gòu)為：橋梁異常事件、項集、橋梁正常狀況關聯(lián)規(guī)則屬性、橋梁異常狀況關聯(lián)規(guī)則屬性、關聯(lián)規(guī)則發(fā)生次數(shù)、關聯(lián)規(guī)則發(fā)生占比、關聯(lián)規(guī)則發(fā)生與該橋梁異常事件比例；

步驟S6中，結(jié)合關聯(lián)規(guī)則庫，判斷橋梁當前狀態(tài)的方法為：

將關聯(lián)規(guī)則庫中的關聯(lián)規(guī)則與實時數(shù)據(jù)產(chǎn)生的具有相同前項后項的關聯(lián)規(guī)則做對比，通過比較判斷其屬性為正常狀態(tài)或異常狀態(tài)；根據(jù)處于異常狀態(tài)的關聯(lián)規(guī)則屬性，尋找最為接近的橋梁異常事件；若無相近的異常事件且只有小部分處于異常狀態(tài)的關聯(lián)規(guī)則，則判斷橋梁處于正常狀態(tài)，輸出橋梁正常；若無相近的異常事件且較多傳感器處于異常狀態(tài)下，則判斷橋梁處于未知異常狀態(tài)，輸出橋梁出現(xiàn)未知異常狀態(tài)；若有相近的異常事件，則判斷橋梁處于該異常狀態(tài)，輸出橋梁發(fā)生該項異常事件。

2.根據(jù)權(quán)利要求1所述的一種橋梁監(jiān)測數(shù)據(jù)關聯(lián)規(guī)則挖掘及健康預警方法，其特征在于，步驟S1中，輸入的橋梁傳感器數(shù)據(jù)包括橋梁正常和異常狀態(tài)下的傳感器數(shù)據(jù)，異常狀態(tài)數(shù)據(jù)添加標簽，以說明當前數(shù)據(jù)區(qū)間橋梁處于何種異常事件；橋梁正常狀態(tài)下的傳感器數(shù)據(jù)，其數(shù)據(jù)結(jié)構(gòu)為：【時間、橋梁名稱、傳感器類型、傳感器編號、單位時間間隔內(nèi)傳感器數(shù)據(jù)平均值、傳感器位置】；橋梁異常狀態(tài)下的傳感器數(shù)據(jù)，其數(shù)據(jù)結(jié)構(gòu)為：【時間、橋梁名稱、傳感器類型、傳感器編號、單位時間間隔內(nèi)傳感器數(shù)據(jù)平均值、傳感器位置，橋梁異常事件】。

3.根據(jù)權(quán)利要求2所述的一種橋梁監(jiān)測數(shù)據(jù)關聯(lián)規(guī)則挖掘及健康預警方法，其特征在于，步驟S1中，數(shù)據(jù)預處理的方法為：將同一時間但不同類型、編號的傳感器數(shù)據(jù)進行匯聚；將橋梁正常狀態(tài)下的傳感器數(shù)據(jù)分為一組，其他每項橋梁異常事件下的數(shù)據(jù)各為一組。