一种用于桥梁施工控制的无监督数据处理方法及系统技术方案

本发明专利技术提供了一种用于桥梁施工控制的无监督数据处理方法及系统，属于桥梁工程监测领域，本发明专利技术基于桥梁施工监控过程中的应力应变、温度等数据构建自动编码

【技术实现步骤摘要】
一种用于桥梁施工控制的无监督数据处理方法及系统


[0001]本专利技术属于桥梁工程监测领域，具体涉及一种用于桥梁施工控制的无监督数据处理方法及系统。

技术介绍

[0002]随着我国经济的快速发展及人民出行需求的不断提高，桥梁等复杂结构的数量也越来越多。一般情况下，大跨度桥梁属多次超静定桥梁结构。在施工过程中，结构体系不断改变，相应的结构内力和变形也不断发生变化，使得成桥的梁部线形和结构内力与施工过程密切相关。另一方面，由于各种因素(如材料的弹性模量、混凝土收缩徐变系数、结构自重、施工荷载、温度影响等)的随机影响，以及在测量等方面产生的误差，结构的原理论设计值难以做到与实际测量值完全一致，两者之间会存在一定的偏差。尤其值得注意的是，某些偏差(如主梁的竖向挠度误差)具有累积的特性。若对偏差不加以及时有效的调整，随着梁的悬臂长度的增加，主梁的标高会显著偏离设计值，造成合龙困难或影响成桥的内力和线形。特别是采用悬臂施工技术的大跨度桥梁，施工中的不合理误差状态如不能及时地加以识别和处理，主梁的应力有可能发生积聚而超出设计安全状态发生施工事故。施工控制的任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于桥梁施工控制的无监督数据处理方法，其特征在于，包括以下步骤：S1、从桥梁施工现场布设的传感器中，采集得到监控数据，所述监控数据至少包括温度数据、应变数据、线形数据和沉降数据，并将采集的监控数据记为原始数据集所述原始数据集的数据格式为N
×
M的浮点型数据，其中，所述N表示数据条数，所述M表示数据的维度；计算无监督神经网络深度参数，具体计算过程如下：其中，所述L表示无监督神经网络深度参数，所述L的具体范围为：1<L<10，所述表示向下取整符号；S2、构建自动编码
‑
解码无监督神经网络其总层数为(2L
‑
1)；所述自动编码
‑
解码无监督神经网络的第1层和第(2L
‑
1)层的数据输入维度为M
×
1，第L层的数据输入维度为K
×
1，其余层的数据输入维度为C
×
1；S3、将原始数据集输入至自动编码
‑
解码无监督神经网络中，将第L层输出的数据记为预处理数据集所述预处理数据集的数据格式为N
×
K的浮点型数据，其中，所述N表示数据条数，所述K表示预处理数据集的维度；S4、使用kd树算法遍历计算预处理数据集中的N条数据，得到每个数据点的近邻集合对近邻集合进行判断，当第i条数据的最近邻集合为且最近邻集合中的元素的个数小于2K，即则表示第i条数据是噪声数据。2.如权利要求1所述的一种用于桥梁施工控制的无监督数据处理方法，其特征在于，在步骤S2中，所述C的具体计算过程为：其中，所述b表示自动编码
‑
解码无监督神经网络中的第几层，且3.如权利要求1所述的一种用于桥梁施工控制的无监督数据处理方法，其特征在于，在步骤S3中，当K＝3时，则表示自动编码
‑
解码无监督神经网络的第L层输出的数据为三维数据。4.如权利要求1所述的一种用于桥梁施工控制的无监督数据处理方法，其特征在于，在步骤S3中，当K＝4时，则表示自动编码
‑
解码无监督神经网络的第L层输出的数据为四维数据。5.如权利要求1所述的一种用于桥梁施工控制的无监督数据处理方法，其特征在于，在步骤S4中，当使用kd树算法遍历计算预处理数据集中的N条数据的近邻集合时，其距离判定条件为：其中，所述表示预处理数据集中任意两个数据...

【专利技术属性】
技术研发人员：蒲黔辉，高玉峰，洪彧，张波，郑易涛，刘一鸣，文旭光，
申请(专利权)人：南宁学院四川交大工程检测咨询有限公司，
类型：发明
国别省市：