基于统计规律与模型预测的桥梁监测动态阈值更新方法与流程

本发明涉及桥梁结构健康监测，具体为基于统计规律与模型预测的桥梁监测动态阈值更新方法。

背景技术：

1、桥梁作为交通基础设施的核心组成部分，其结构安全直接关系到交通运输的顺畅与安全，随着桥梁监测技术的不断发展，通过各类传感器采集桥梁结构参数，实现对桥梁状态的实时监测，已成为保障桥梁安全运行的关键手段。目前，桥梁监测过程中，需对结构应变、位移、倾角、振动加速度等核心参数进行持续采集与分析，而监测数据的真实性、准确性直接决定了桥梁状态评估的可靠性。

2、参考中国专利，基于统计规律与模型预测的桥梁监测动态阈值更新方法（公告号：cn118310403b，公告日：2025-02-25），公开提供一种桥梁健康监测系统，属于桥梁监测领域。该桥梁健康监测系统，包括控制器、位移传感器、激励模块、信号处理模块；位移传感器的第一端连接激励模块，位移传感器的第二端连接信号处理模块的第一端，信号处理模块的第二端连接控制器；激励模块包括脉冲发生电路、脉冲控制电路、推挽电路、变压器和反馈电路；脉冲发生电路连接脉冲控制电路的输入端，脉冲控制电路的控制端连接控制器；脉冲控制电路的输出端连接推挽电路的输入端，推挽电路的输出端连接变压器的输入端；变压器的输出端通过反馈电路连接脉冲发生电路。该公开提供了一种桥梁健康监测系统，以提高桥梁位移监测的准确性。

3、虽然该方法提高桥梁位移监测的准确性，但传统监测方法中，对原始监测数据的失真识别缺乏系统的判断标准，仅通过简单的数值比对筛选异常数据，难以精准捕捉跳变、漂移、高频噪声等各类数据失真问题，导致后续阈值计算与预警判断出现偏差，无法为桥梁安全评估提供可靠的数据支撑。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了基于统计规律与模型预测的桥梁监测动态阈值更新方法，解决了上述背景技术提到的问题。

3、（二）技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种基于bim的建筑施工监测方法，包括以下所述步骤：

5、s1：通过桥梁监测传感器采集结构应变、位移、倾角、振动加速度的原始时序监测数据，构建原始监测数据集；

6、s2：对原始监测数据集进行实时失真数据识别，识别过程包括：按固定时间间隔计算原始监测数据的瞬时变化率，以预设长度构建滑动时间窗口，计算滑动窗口内监测数据的平均变化率，调取基于历史正常监测数据统计得到的均值μ与标准差σ，将瞬时变化率、平均变化率分别与μ±3σ动态阈值区间进行比对，标记超出阈值区间的跳变、突增、突降异常数据点；

7、s3：对标记的失真数据执行多层次修复处理，修复处理包括：对跳点数据与缺失数据采用线性插值结合临近点中值填充进行重构，对漂移数据采用中值平移法进行基线校正，对高频噪声数据采用savitzky-golay 滤波进行平滑去噪，得到校准后监测数据集；

8、s4：基于校准后监测数据集构建动态阈值更新模型，提取桥梁连续30天正常运营状态下的校准后监测数据作为统计样本，计算统计样本的时序均值、时序方差、分位数值与极值分布参数，结合时间序列预测模型对未来监测数据区间进行趋势预测，生成随时间与结构状态自适应调整的动态上阈值与动态下阈值；

9、s5：将实时采集并经校准后的监测数据与动态上阈值、动态下阈值进行比对，超出阈值区间则触发预警信号；

10、s6：将预警确认后的正常监测数据回流至统计样本库，按固定更新周期重新计算统计参数与预测模型系数，完成动态阈值迭代更新，形成数据采集、失真识别修复、阈值计算、预警应用、样本回流的闭环执行流程。

11、优选的，所述步骤s2中，瞬时变化率为相邻采样时刻监测数据的数值差与采样时间间隔的比值，平均变化率为滑动窗口内所有瞬时变化率的算术平均值，滑动窗口的长度设置为 10min～30min，采样时间间隔为 1s～10s。

12、优选的，所述s2中进入平台的管理系统时，需要进行身份验证，在身份验证完成后输入模型名称，设定的bim模型以成品形式展示。

13、优选的，所述步骤s2中，历史正常监测数据的筛选条件为：剔除台风、地震、极端荷载、施工扰动工况下的数据，保留日常交通荷载、自然温度场作用下的连续监测数据，统计周期不短于6个月，μ为历史正常数据的总体算术均值，σ为历史正常数据的总体标准差。

14、优选的，所述步骤s3中，线性插值的插值节点为失真数据段前后相邻的有效校准数据点，临近点中值填充的选取范围为失真点前后各 3～5 个有效数据点的中值；中值平移法的平移基准为漂移段前后稳定数据段的中位数差值；savitzky-golay 滤波的窗口长度为 15～51 点，多项式阶数为 2～4 阶。

15、优选的，所述步骤s4中，统计样本的提取按小时级、日级、周级进行分层统计，分别计算小时均值、日均值、周均值及对应方差，分位数值选取95% 分位数与5%分位数，极值分布参数采用广义帕累托分布拟合得到。

16、优选的，所述步骤s4中，时间序列预测模型采用lstm 时序预测模型，模型输入变量包括校准后监测数据、环境温度时序数据、交通荷载统计数据、时间周期特征，模型输出为未来24h～72h监测数据预测区间。

17、优选的，动态上阈值为统计样本95% 分位数与预测区间上限值的加权和，动态下阈值为统计样本5%分位数与预测区间下限值的加权和，权重系数按结构类型、监测参数类型分别预设并固定。

18、优选的，所述步骤s6中，固定更新周期为 7天～30天，样本回流时剔除预警判定为结构异常的数据，仅保留预警判定为传感器干扰、环境噪声的校准后正常数据。

19、优选的，原始监测数据集按监测参数类型分区存储，不同监测参数分别设置独立的滑动窗口、μ±3σ 初始阈值、修复参数与预测模型，各参数阈值独立更新、独立预警。

20、优选的，闭环执行流程中设置阈值更新日志模块，记录每次更新的统计样本量、均值μ、标准差σ、分位数值、预测模型系数、动态阈值数值与更新时间戳，日志数据本地存储并同步上传至监测平台服务器。

21、（三）有益效果

22、本发明提供了基于统计规律与模型预测的桥梁监测动态阈值更新方法。与现有技术相比，具备以下有益效果：

23、1、该基于统计规律与模型预测的桥梁监测动态阈值更新方法，通过精准识别跳变、缺失等各类失真数据，采用针对性修复手段，有效剔除传感器干扰、数据传输误差等影响，确保监测数据能真实反映桥梁结构实际状态，避免因数据失真导致的监测误判，摒弃固定阈值模式，结合近期正常运营数据动态调整阈值，适配结构性能变化与环境波动，相比传统静态阈值，大幅提升了监测的适配性与科学性，为桥梁结构状态评估提供可靠的数据支撑，提升监测数据可靠性与准确性，解决传统监测中数据失真、阈值固定的核心痛点。

24、2、该基于统计规律与模型预测的桥梁监测动态阈值更新方法，通过闭环迭代更新机制与分参数独立管控，实现了监测效能的持续优化。闭环流程确保新生成的监测数据能及时补充到样本库，不断完善统计模型与阈值标准，适配桥梁结构长期使用中的性能变化；分参数独立管控则避免了不同监测指标相互干扰，进一步提升预警精准度，完整的日志记录的与迭代更新，不仅便于数据追溯与复盘，还能持续优化监测方案，降低桥梁运维成本，为桥梁长期安全稳定运行提供有力保障。