学位论文 > 优秀研究生学位论文题录展示

基于SARIMA与神经网络混合模型的桥梁健康监测系统缺失数据填补

作　者: 平春蕾
导　师: 昝昕武
学　校: 重庆大学
专　业: 仪器科学与技术
关键词: 缺失数据 填补 桥梁健康监测系统 神经网络 SARIMA模型 混合模型
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 53次
引　用: 0次
阅　读: 论文下载
 

内容摘要


缺失数据广泛存在于各个统计调查和工程领域中。数据的缺失会造成信息的不完整,从而对后续的分析和处理带来很不利的影响。桥梁健康监测系统能通过安装在桥梁关键部位的传感器所反馈的结构信息来判定桥梁的健康状况,为桥梁所有者和使用者判断桥梁是否安全提供重要的依据。然而,长期工作在野外恶劣环境中的监测系统往往由于传感器及监测设备磨损、老化、甚至损坏,以及季节性的电力缺失等原因出现大量的缺失数据,极大地影响了桥梁健康状况的评价。本文以桥梁健康监测系统中存在的缺失数据为研究对象,为桥梁健康状况的准确评价提供一种小样本下较低误差的缺失数据填补方法,因此本文的工作具有重要的实用意义。本文分析了桥梁健康监测系中统数据缺失的原因,介绍了几种常见的桥梁监测数据的缺失类型,并以重庆大佛寺长江大桥健康监测系统的数据为例,分析了桥梁监测参数中温度和挠度参量的特点及变量自身及变量之间的相关性;总结了其他领域现有缺失数据的处理方法,在这些方法的优缺点基础上并结合大佛寺大桥实际监测数据的特点,采用了一种基于时间序列中季节自回归移动求和平均SARIMA(Seasonal Auto Regressive Integrated Moving Average)和神经网络ANN(Artificial Neural Network)混合模型的缺失数据填补方法。为了对比该方法的优越性,采用了时间序列SARIMA方法及传统的线性回归法,分别与本文所提出的基于SARIMA及神经网络的混合模型法对几种常见的桥梁健康监测系统中的缺失数据进行处理,结果表明:基于SARIMA及神经网络混合模型的填补方法精度较高,误差较低,填补效果较好;SARIMA模型的填补效果次之。实际的缺失数据填补结果表明,本文所提出的基于SARIMA与神经网络混合模型的方法能够达到小样本下较低残差的缺失数据的快速填补。

全文目录


中文摘要  3-4
英文摘要  4-8
1 绪论  8-16
  1.1 本文选题背景及意义  8-9
  1.2 缺失数据处理的国内外研究现状  9-10
  1.3 缺失数据的处理  10-14
    1.3.1 缺失数据及其产生原因  10
    1.3.2 缺失数据的分类  10-11
    1.3.3 缺失数据的处理方法  11-14
  1.4 本文主要研究内容及意义  14-15
    1.4.1 本文研究的意义  14
    1.4.2 本文主要研究内容  14-15
  1.5 本章小结  15-16
2 桥梁健康监测系统中的缺失数据及其特点  16-25
  2.1 桥梁健康监测系统缺失数据的产生原因  16-17
  2.2 桥梁健康监测系统数据的特点  17-24
    2.2.1 桥梁健康监测系统中数据缺失的类型  17-20
    2.2.2 桥梁健康监测系统中数据的特点  20-24
  2.3 本章小结  24-25
3 桥梁健康监测系统缺失数据 SARIMA 模型的填补  25-42
  3.1 时间序列  25-26
    3.1.1 时间序列分析  25
    3.1.2 时间序列模型建立的基本步骤  25-26
    3.1.3 时间序列的应用  26
  3.2 SARIMA 模型的原理  26-28
  3.3 桥梁监测缺失数据SARIMA 模型的确定及填补  28-38
    3.3.1 缺失数据模拟  28-30
    3.3.2 三种缺失类型下缺失数据的填补步骤  30
    3.3.3 SARIMA 模型的确定步骤  30
    3.3.4 桥梁监测缺失数据SARIMA 模型的确定  30-38
  3.4 桥梁健康监测系统缺失数据SARIMA 模型的填补结果  38-41
  3.5 本章小结  41-42
4 桥梁健康监测缺失数据混合模型的填补  42-59
  4.1 神经网络基础  42-45
    4.1.1 神经网络研究的发展  42
    4.1.2 神经网络概述  42-45
  4.2 BP 神经网络  45-49
    4.2.1 BP 网络简介  45-46
    4.2.2 BP 网络学习算法  46-49
    4.2.3 隐含层神经元个数的确定  49
  4.3 基于混合模型的桥梁健康监测系统缺失数据的填补  49-57
    4.3.1 数据准备  49
    4.3.2 网络参数选取及缺失数据填补  49-57
  4.4 结果分析  57-58
  4.5 本章小结  58-59
5 总结与展望  59-61
  5.1 全文总结  59-60
  5.2 对后期工作的建议  60-61
致谢  61-62
参考文献  62-65
附录  65
   A.攻读硕士学位期间发表的论文目录  65
   B.攻读硕士学位期间参与的科研项目  65

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
  4. 多重ANN/HMM混合模型在语音识别中的应用,TN912.34
  5. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  6. 红外超光谱图像的虚拟探测器研究,TP391.41
  7. 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
  8. 基于神经网络的水厂投药预测控制研究,TP273.1
  9. 视觉伺服四自由度机械臂的研究,TP242.6
  10. 机械臂视觉伺服系统的研究,TP242.6
  11. 压电驱动微工作台的控制与校正技术研究,TP273
  12. 某武器检测装置的控制系统设计,TP183
  13. 市级旅游用地规划环境影响评价研究,X820.3
  14. 珠三角地区高性能混凝土配合比智能化系统,TU528
  15. 大学生综合素质测评研究,G645.5
  16. 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
  17. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  18. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  19. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  20. 基于BP神经网络的水稻干燥智能控制研究,S226.6
  21. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com