基于机器学习的土木工程检测数据的智能分析方法技术

本发明专利技术涉及工程数据监督技术领域，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。该方法包括获取工程结构的数据波段；根据待测波段与相邻波段的振动幅值、数据点数量、波段时长的差异和第二极值差异，确定初始异常程度；根据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，根据时序相似度以及初始异常程度，确定待测波段的重要程度；结合重要程度和振动幅值，确定聚类特征值，对所有数据波段进行层次聚类，得到聚类簇，对聚类簇中的所有数据波段进行特征分析，得到分析结果。本发明专利技术通过异常波动和实际的振动幅值进行分类，能够大幅度降低异常影响所造成的误差，提升特征分析所得到的分析结果的可靠性。

【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、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...

【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：