综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用

摘要：

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了 一种具有样本内和样本外预测能力的组合模型.样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性.由于不同位置处相同类型传感器的相关性较强,首先利用岭回归(ridge regression,RR)解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据.接着引入季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据.最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了有效的预测模型.

关键词：大数据、缺失数据填补、数据预测、岭回归(RR)、季节性差分自回归滑动平均(SARIMA)

所属期刊栏目：23

分类号：U446(桥涵工程)

资助基金：国家自然科学基金;江苏省研究生科研与实践创新计划项目

在线出版日期：2023-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：8846-8853