桥梁健康监测的大数据关联分析与机理性研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-18页 |
1.1 研究背景与意义 | 第11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 数据关联性的研究与应用 | 第11-13页 |
1.2.2 基于信号处理的损伤识别 | 第13页 |
1.2.3 基于大数据分析的损伤识别 | 第13-15页 |
1.3 论文研究工作和内容 | 第15-16页 |
1.4 论文组织结构 | 第16-17页 |
1.5 本章小结 | 第17-18页 |
第二章 相关理论与技术 | 第18-30页 |
2.1 数据处理与分析技术 | 第18-24页 |
2.1.1 异常值检测技术 | 第18-20页 |
2.1.2 噪声处理技术 | 第20-21页 |
2.1.3 数据标准化方法 | 第21-22页 |
2.1.4 关联性分析方法 | 第22-24页 |
2.2 机器学习模型 | 第24-27页 |
2.2.1 随机森林 | 第24-26页 |
2.2.2 XGBoost | 第26页 |
2.2.3 二次判别分析法 | 第26-27页 |
2.3 机器学习方法与工具 | 第27-29页 |
2.3.1 特征工程 | 第27-28页 |
2.3.2 模型融合 | 第28-29页 |
2.4 本章小结 | 第29-30页 |
第三章 数据处理与关联性分析 | 第30-47页 |
3.1 定义与术语 | 第30页 |
3.2 数据介绍与分析 | 第30-33页 |
3.2.1 桥梁概况 | 第30-31页 |
3.2.2 数据集简介 | 第31-32页 |
3.2.3 初步分析与观察 | 第32-33页 |
3.3 数据预处理 | 第33-38页 |
3.3.1 异常值处理 | 第34-36页 |
3.3.2 噪声处理 | 第36-38页 |
3.3.3 数据标准化 | 第38页 |
3.4 数据关联性分析 | 第38-46页 |
3.4.1 温度与应变关联性 | 第39-42页 |
3.4.2 不同测点应变关联性 | 第42-44页 |
3.4.3 多工况分析 | 第44-46页 |
3.5 本章小结 | 第46-47页 |
第四章 损伤向量识别算法设计 | 第47-60页 |
4.1 算法整体设计 | 第47-49页 |
4.2 样本构造与划分 | 第49-50页 |
4.2.1 样本构造 | 第49页 |
4.2.2 数据集划分 | 第49-50页 |
4.3 特征提取与选择 | 第50-54页 |
4.3.1 能量特征提取 | 第50-51页 |
4.3.2 关联性特征提取 | 第51-52页 |
4.3.3 PCA特征降维 | 第52-53页 |
4.3.4 RFE特征选择 | 第53-54页 |
4.3.5 参数选择设计 | 第54页 |
4.4 模型选择与融合 | 第54-59页 |
4.4.1 基模型选择 | 第54-55页 |
4.4.2 Weighted策略 | 第55页 |
4.4.3 Blending策略 | 第55-56页 |
4.4.4 Stacking策略 | 第56-58页 |
4.4.5 参数选择设计 | 第58-59页 |
4.5 本章小结 | 第59-60页 |
第五章 损伤向量识别实验 | 第60-73页 |
5.1 实验描述 | 第60-61页 |
5.1.1 实验设计目标 | 第60页 |
5.1.2 评价指标 | 第60-61页 |
5.2 基于单个模型的损伤位置识别 | 第61-65页 |
5.2.1 特征工程 | 第61-62页 |
5.2.2 基模型选择 | 第62页 |
5.2.3 参数选择 | 第62-65页 |
5.2.4 单模型性能对比 | 第65页 |
5.3 基于模型融合的损伤位置识别 | 第65-69页 |
5.3.1 类别性能分析 | 第65-66页 |
5.3.2 融合策略参数选择 | 第66-69页 |
5.3.3 融合模型性能对比 | 第69页 |
5.4 损伤程度识别 | 第69-71页 |
5.4.1 基于单模型的识别 | 第69-70页 |
5.4.2 基于模型融合的识别 | 第70-71页 |
5.5 对比实验 | 第71-72页 |
5.6 本章小结 | 第72-73页 |
总结与展望 | 第73-75页 |
参考文献 | 第75-79页 |
攻读硕士学位期间取得的研究成果 | 第79-80页 |
致谢 | 第80-81页 |
附件 | 第81页 |