基于高斯过程的桥梁代表性监测数据选取策略

作     者：朱逸尘 郑云文 张立奎 赵先民 熊文 蔡春声 Zhu Yichen;Zheng Yunwen;Zhang Likui;Zhao Xianmin;Xiong Wen;Cai Chunsheng

作者机构：东南大学江苏南京211189 安徽交控道路养护有限公司安徽合肥236000 

出 版 物：《土木工程学报》 (China Civil Engineering Journal)

年 卷 期：2024年第57卷第10期

页      面：47-56页

核心收录：

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金青年科学基金(52208150) 江苏省基础研究计划项目青年基金(BK20220853) 

主　　题：桥梁工程 桥梁结构健康监测 高斯过程 选取策略 

摘      要：高斯过程作为一种机器学习方法,能够有效拟合外部环境对结构状态的影响。不同于传统的机器学习方法,高斯过程模型允许通过自适应的方式获得合理的超参数,这使得该类方法更易于实现。此外,得益于贝叶斯模型方法的特性,高斯过程能有效考虑数据不确定性的影响并具备更好的泛化性能和可解释性,已被广泛应用于结构状态评估中。但随着训练数据的增大,高斯过程的运算时间会显著增加。为解决这个问题,本文提出了一种基于稀疏高斯过程框架的代表性监测数据选取策略,用数据尺寸更小的代表性监测数据集代替全体监测数据集以降低运算时间,实现在线结构状态预测。本文提出了新颖度和冗余度2种基于统计学特性的评价指标,以保证代表性数据集的有效性。本方法被应用于一座大跨径悬索桥的结构健康监测数据,结果表明所提出方法可以在保证精度的情况下,显著提高运算速率,且能较好的拟合环境因素影响,表明该策略在实际工程中具有较高的可靠性与适用性。