基于SVR的桥梁健康监测系统缺失数据在线填补研究

• 作者: 朱芳 符欲梅 陈得宝
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 支持向量回归 在线预测 桥梁健康监测系统 缺失数据 序列最小优化算法
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 726-732
• 页数: 7页
• 分类号: TP274+.2
• 字数: 5628字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2018.05.013

摘要

针对桥梁健康监测系统所采集的实时数据具有不完备性,严重影响桥梁的安全评估,提出基于支持向量回归SVR(Support Vector Regression)算法的桥梁健康监测系统缺失数据实时在线预测方法.首先,分析实测数据具有时序、非线性和周期性等特点,利用变量的自相关和变量间的相关性重新构造支持向量回归模型的输入样本维数;在此基础上,根据样本在线更新的特点,采用序列最小优化算法对支持向量回归模型中的拉格朗日乘子进行实时更新,解决高精度在线填补的需求;最后,从实际问题出发,实现了支持向量回归模型的在线和离线自适应预测模式.通过对桥梁实测数据进行在线模式和离线模式预测对比,结果表明在线模式以样本更新的方式能够获得对将来值更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	符欲梅	重庆大学光电工程学院光电技术及系统教育部重点实验室	59	716	15.0	24.0
2	陈得宝	淮北师范大学物理与电子信息学院	94	286	8.0	13.0
3	朱芳	淮北师范大学物理与电子信息学院	10	23	3.0	4.0