一种结构平稳静态监测数据的跳值异常识别及处理方法、系统以及存储介质技术方案

本发明专利技术公开了一种结构平稳静态监测数据的跳值异常识别及处理方法、系统以及存储介质，本方法包括：第一步，在数据顶端一定步长范围内设置样本视口，并据此提取视口范围内的数据以组成样本队列；第二步，当新采集数据插入样本队列后，进行异常分析判断，若新数据为异常数据，并计算替代值且写入监测数据队列；第三步，对新采集数据加入样本队列时进行振荡判断，若不满足振荡条件则视为振荡数据，并计算替代值代替进入样本队列。本方案可在传感器数据采集返回的第一时间判断该值是否为跳值异常值，易行且高效。

【技术实现步骤摘要】
一种结构平稳静态监测数据的跳值异常识别及处理方法、系统以及存储介质
本专利技术涉及结构状态监测技术，具体涉及结构监测数据的异常处理技术。
技术介绍
在结构平稳静态监测过程中，由于受到环境信号干扰、人为随机干扰等因素，传感器采集的数据可能会出现跳值异常。该种数据跳值不能真实反映监测目标的真实性态，容易造成监测系统的错误预警。对此人们也给出了一些方案来识别出监测过程中出现的异常数据跳值。如公开号CN106802879A的中国专利申请公开了一种基于多变量统计分析的结构监测数据异常识别方法。该方案将异常识别过程转换为统计假设检验问题，主要针对所有数据采集完成之后的后处理过程，旨在解决监测数据中微小异常不敏感的问题，但是对于监测进行过程中的实时异常数据处理没有给出很好的解决方案。如公开号CN109583570A的中国专利申请公开了一种基于深度学习确定桥梁健康监测系统异常数据来源的方法。该方案利用深度学习方法诊断结构健康监测异常数据，需要大量数据样本进行训练，目前结构的监测数据的影响源多样，数据中的多种变化情况难以准确标定，而该方法难以针对某一特定的特征进行识别。如公开号CN106897509A的中国专利申请公开了一种动态非高斯结构监测数据异常识别方法。该方案的实施需要数据的训练集进行定参，采用的统计方法对数据量要求较高，具体实施困难。
技术实现思路
针对现有结构平稳静态监测过程识别并处理跳值异常方案所存在的问题，需要一种高效且易行的结构平稳静态监测过程中用于识别并处理跳值异常的新方案。为此，本专利技术的目的在于提供一种结构平稳静态监测数据的跳值异常识别及处理方法，本方案可在传感器数据采集返回的第一时间判断该值是否为跳值异常值，无需大量数据训练，简单易行效率高。同时，在此基础上，本专利技术还进一步提供一种结构平稳静态监测数据的跳值异常识别及处理系统以及存储介质。为了达到上述目的，本专利技术提供的结构平稳静态监测数据的跳值异常识别及处理方法，包括：第一步，在数据顶端一定步长范围内设置样本视口，并据此提取视口范围内的数据以组成样本队列；第二步，当新采集数据插入样本队列后，进行异常分析判断；首先计算原队列数据的期望和标准差，待新数据入列后，计算新数据与原队列的期望标准差判别式，若新数据与原队列期望的差值超过原队列标准差一定范围后，则判断新数据为异常数据，并计算替代值且写入监测数据队列；第三步，对新采集数据加入样本队列时进行振荡判断，若不满足振荡条件则视为振荡数据，并计算替代值代替进入样本队列。进一步地，所述第一步中，根据t时刻传感器采集到的数据，从监测数据序列中选取过去邻近一段时间内的n个数据点，建立容量为n的视口样本队列{xi}i＝1,2,3,...,n，若监测数据序列总量m<n则跳过本次循环过程，并计当前t时刻需要做异常判断和处理的数据点为xn+1。进一步地，所述第二步中计算替代值时，以原队列期望为基准，附加一定期望值的随机波动的数据作为替代数据，进入样本队列中。进一步地，所述第三步中进行振荡判断时，在异常判断后，首先，剔除样本队列底端时间最久远的数据，形成第二样本队列，并计算其第二期望2；接着，计算第二样本队列和新采集数据组合形成临时第三队列，并计算其第三期望；若第三期望和第二期望的差值或比值超过预定值范围，或者新采集数据的绝对值超过预定值范围，则视为振荡数据；若振荡判断满足要求，则采用原始数据进入视口样本队列，若不满足，则采用替代值进入样本队列。进一步地，所述第三步中替代值为原队列期望为基准，附加一定期望值的随机波动的数据。为了达到上述目的，本专利技术提供的结构平稳静态监测数据的跳值异常识别及处理系统，其包括处理器以及处理程序，且处理器可执行处理程序，以按照上述的跳值异常识别及处理方法进行对结构平稳静态监测数据的跳值异常进行识别及处理。为了达到上述目的，本专利技术提供的存储介质，所述存储介质包括存储的程序，所述程序执行上述的跳值异常识别及处理方法。本专利技术所提供的结构平稳静态监测数据的跳值异常识别及处理方案，可在传感器数据采集返回的第一时间判断该值是否为跳值异常值，从而实现使得传感器监测数据返回后便可以直接作为数据点进入样本队列进行判断，全过程可自动完成，无需干预。再者，本专利技术提供的跳值异常识别及处理方案，相对于现有技术具有如下优点：(1)本方案仅需要利用过去且邻近一段时间内采集的少量数据，即可对当前传感器采集的数据进行跳值异常判断，无需大数据训练，计算门槛非常低，实施便捷；(2)本方案中进行跳值异常识别是随着监测过程实时进行的，无需后处理操作，实现传感器监测数据返回后便可以直接作为数据点xn+1进入样本队列进行判断，全过程可以由系统自动完成，无需干预；(3)本方案数据处理简单高效，针对性强，无需大数据训练，可直接应用于工程项目。附图说明以下结合附图和具体实施方式来进一步说明本专利技术。图1为本专利技术实例中在数据序列顶端一定步长范围内设置样本视口，并且此时获取到一个新采集数据点，并判断是异常数据的示意图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本专利技术。本实例提供的方案为针对结构平稳静态监测过程的跳值异常数据识别，这里的结构平稳静态监测过程，为针对结构在5分钟内荷载和约束条件无显著突变，结构性态在施工过程或服役状态中缓慢连续变化的监测过程。再者，本实例中所述的跳值，亦可称为跳值异常、尖点异常、单点漂移异常数据等，其表示受环境干扰、电磁信号干扰等外界因素影响下，数据序列中的某一个或某几个数据点显著偏离于正常数据序列，与监测对象实际状态不符的异常数据。据此，本实例给出的一种能够在传感器数据采集返回的第一时间判断该值是否为跳值异常值的跳值异常数据识别及处理方案。作为举例，本跳值异常数据识别及处理方案，其实施过程如下：S1，根据t时刻传感器采集到的数据，从监测数据序列中选取过去邻近一段时间内的n个数据点(不含t时刻)，建立容量为n的视口样本队列{xi}i＝1,2,3,...,n，若监测数据序列总量m<n则跳过本次循环过程，并计当前t时刻需要做异常判断和处理的数据点为xn+1。该步骤中的数据顶端样本视口，具体为在过去邻近一段时间内，与当前采集数据具有直接关联的n个监测数据。其中，n是视口内样本队列容量，亦代表了视口宽度，其值取决于所监测的结构对象的受力性态，如受周期性温度作用、分步施加荷载的施工过程等。S2，针对新采集到的监测数据，进行异常判断计算。具体的，本步骤中首先计算原队列数据的期望和标准差，待新数据入列后，计算新数据与原队列的期望标准差判别式，若新数据与原队列期望的差值超过原队列标准差一定范围后，则判断新数据为异常数据；若xn+1判断为跳值异常数据，则进行替代计算，并写入监测数据队列。作为举例，这里在进行替本文档来自技高网...

【技术保护点】
1.结构平稳静态监测数据的跳值异常识别及处理方法，其特征在于，包括：/n第一步，在数据顶端一定步长范围内设置样本视口，并据此提取视口范围内的数据以组成样本队列；/n第二步，当新采集数据插入样本队列后，进行异常分析判断；首先计算原队列数据的期望和标准差，待新数据入列后，计算新数据与原队列的期望标准差判别式，若新数据与原队列期望的差值超过原队列标准差一定范围后，则判断新数据为异常数据，并计算替代值且写入监测数据队列；/n第三步，对新采集数据加入样本队列时进行振荡判断，若不满足振荡条件则视为振荡数据，并计算替代值代替进入样本队列。/n

【技术特征摘要】
1.结构平稳静态监测数据的跳值异常识别及处理方法，其特征在于，包括：
第一步，在数据顶端一定步长范围内设置样本视口，并据此提取视口范围内的数据以组成样本队列；
第二步，当新采集数据插入样本队列后，进行异常分析判断；首先计算原队列数据的期望和标准差，待新数据入列后，计算新数据与原队列的期望标准差判别式，若新数据与原队列期望的差值超过原队列标准差一定范围后，则判断新数据为异常数据，并计算替代值且写入监测数据队列；
第三步，对新采集数据加入样本队列时进行振荡判断，若不满足振荡条件则视为振荡数据，并计算替代值代替进入样本队列。


2.根据权利要求1所述的跳值异常识别及处理方法，其特征在于，所述第一步中，根据t时刻传感器采集到的数据，从监测数据序列中选取过去邻近一段时间内的n个数据点，建立容量为n的视口样本队列{xi}i＝1,2,3,...,n，若监测数据序列总量m<n则跳过本次循环过程，并计当前t时刻需要做异常判断和处理的数据点为xn+1。


3.根据权利要求1所述的跳值异常识别及处理方法，其特征在于，所述第二步中计算替代值时，以原队列期望为基准，附加一定期望值的随机波动的数据作为替代数据...

【专利技术属性】
技术研发人员：吴俊，
申请(专利权)人：同恩上海工程技术有限公司，
类型：发明
国别省市：上海;31