为更准确地预测桥梁未来的健康状况,文章深入探讨了运营阶段桥梁监测系统中的数据预测问题,并提出了一种桥梁数据预测组合模型.首先,通过Pearson相关性分析,得出不同位置处相同类型的3个传感器之间存在较强的相关性.考虑到这种强相关性可能引发共线性问题,采用岭回归(RR)方法建立各传感器数据之间的关联.其次,引入时间序列分析中的ARIMA(自回归积分滑动平均模型)预测方法,将其与岭回归方法相结合,实现对桥梁未来运行数据的预测.为了验证组合模型的有效性和准确性,将组合模型的预测数据与单一的ARIMA预测数据以及真实数据进行了误差分析.分析结果表明,组合模型的预测性能优于单一的ARIMA模型,验证了其在实际应用中的可靠性和准确性.该研究不仅为桥梁健康监测提供了新的思路和方法,也为确保桥梁的安全运行提供了有力保障.
NETL
NSTL
万方数据
