面向桥梁结构状态预测的ARMA-GM组合时序模型研究

doi:10.3969/j.issn.1674-0696.2016.04.02

重庆交通大学学报（自然科学版） ›› 2016, Vol. 35 ›› Issue (4): 6-9.DOI: 10.3969/j.issn.1674-0696.2016.04.02

面向桥梁结构状态预测的ARMA-GM组合时序模型研究

李修云¹，黄硕²，杨文伟³，谭超英⁴

（1.重庆工程职业技术学院信息工程学院，重庆 402260；2.信阳职业技术学院，河南信阳 464000；3.鞍信托日信息技术有限公司，四川成都 610081；4.重庆交通大学信息科学与工程学院，重庆 400074）

收稿日期:2016-01-13 修回日期:2016-03-30 出版日期:2016-08-20 发布日期:2016-08-20
作者简介:第一作者：李修云（1968—），男，四川广安人，副教授,高级工程师，硕士，主要从事电子信息、智能交通、智能算法方面的研究。E-mail：973736111@qq.com。
基金资助:
国家自然科学基金项目（11372366，51508059）；重庆市教委自然科学基金项目（KJ1403209）

Study on ARMA-GM Combined Time-series Model for Structural State Prediction of Bridges

LI Xiuyun¹，HUANG Shuo²，YANG Wenwei³,TAN Chaoying⁴

（1. Department of Information Engineering,Chongqing Vocational Institute of Engineering, Chongqing 402260, P.R.China；2.Xingyang Vocational & Technical College , Xingyang 464000, Henan, P.R.China；3. Anxin-Tuori Information Technology Co.,Ltd.,610081, Chengdu 610081, Sichuan,P.R.China;4. School of Information Science and Engineering,Chongqing Jiaotong University, Chongqing 400074,P.R.China）

Received:2016-01-13 Revised:2016-03-30 Online:2016-08-20 Published:2016-08-20

摘要/Abstract

摘要： 桥梁健康监测数据中蕴含引起桥梁结构状态变化的信息，通过分析其特征变化而实现结构状态预测的方法已得到工程界和学术界的重视。为了克服单一时间序列模型ARMA和灰色关联模型GM(1,1)在桥梁结构状态预测中的不足，提出一种ARMA-GM组合时序预测模型，以描述监测数据序列前后之间的数学关系, 并对未来某一时间段内的监测值进行预测。实验结果表明：组合模型在预测步长增大时预测的平稳性好，而且比单一模型的预测精度更高，能够为桥梁结构安全状态评估提供宝贵的预测数据。

关键词: 桥梁工程, ARMA-GM组合模型, 状态预测

Abstract: The bridge health monitored data contained the information indicating the structural state changes of bridges. The method for structural state prediction by analyzing the data feature variations has drawn the attention in engineering and academic field. To overcome the weakness of single time-series model of ARMA and Grey-relation model of GM(1,1) in the structural state prediction, a combined time-series model of ARMA-GM was proposed to describe the mathematical relationship between the former and later monitored data series, and to achieve the prediction of the values monitored in a future period. The experiment results show that the proposed combined model demonstrated better stability and higher prediction accuracy than the single model when the prediction step is lengthened.Consequently the proposed combined model can provide the valuable predicting data for structural safety assessment of bridges.

Key words: bridge engineering, combined model of ARMA-GM；state predict

中图分类号:

U449.7
TP312

李修云，黄硕，杨文伟，谭超英. 面向桥梁结构状态预测的ARMA-GM组合时序模型研究[J]. 重庆交通大学学报（自然科学版）, 2016, 35(4): 6-9.

LI Xiuyun，HUANG Shuo，YANG Wenwei,TAN Chaoying. Study on ARMA-GM Combined Time-series Model for Structural State Prediction of Bridges[J]. Journal of Chongqing Jiaotong University(Natural Science), 2016, 35(4): 6-9.

参考文献

［1］刘美铭.桥梁事故分析［D］.成都:西南交通大学,2013.
LIU Meiming. Analysis of Bridge Accidents［D］. Chengdu:Southwest Jiao Tong University,2013.
［2］周建庭,黄尚廉,王梓夫等. 基于可靠度理论的桥梁远程智能监测评价体系研究［J］. 桥梁建设,2005(3):12-14.
ZHOU Jianting, HUANG Shanglian, WANG Zifu et al. A study on the reliability theory based safety evaluation for bridge remote monitoring systems［J］. Bridge Construction, 2005(3):12-14.
［3］单德山,丁德豪,李乔,等. 基于RBF神经网络的单塔斜拉桥模型修正［J］.重庆交通大学学报（自然科学版）,2013,32(4):555-559.
SHAN Deshan, DING Dehao, LI Qiao,et al. Finite element model updating of single pylon cable-stay bridges based on RBF-ANN［J］Journal of Chongqing Jiaotong University(Natural Science), 2013,32(4):555-559.
［4］张晓东. 一种基于频率变化和遗传算法的梁式结构损伤识别方法. ［J］.重庆交通大学学报（自然科学版）,2014,33(4):7-11.
ZHANG Xiaodong, Damage identification method of beam structures based on frequency variation and genetic algorithm［J］ Journal of Chongqing Jiaotong University(Natural Science), 2014,33(4):7-11.
［5］韩西,张伟,钟厉. 基于神经网络技术的结构损伤检测［J］.公路工程,2006,31(5):15-18.
HAN Xi,ZHANG Wei, ZHONG Li. Structural damage detection based on neural network technology［J］.Highway Engineering, 2006,31(5):15-18.
［6］NAIR K K,KIREMIDJIAN A S.Time series based structural damage detection algorithm using gaussian mixtures modeling［J］.Journal of Dynamic Systems,Measurement,and Control,2007(3):258-293．
［7］CHEUNG A,CABRERA C,SARABANDI P,et a1.The application of statistical pattern recognition methods for damage detection to field data［J］.Smart Materials and Structures,2008(12):1-12．
［8］周潇,刘泉,李军歌.基于自回归移动平均模型的桥梁损伤识别［J］.西南公路,2009(1):28-31.
ZHOU Xiao, LIU Quan, LI Junge.Beam bridge damage identification based on Auto regressive moving average model［J］.Southwest Highway, 2009(1):28-31.
［9］杜永峰,李万润,李慧,等.基于时间序列分析的结构损伤识别［J］.振动与冲击,2012(12):108-111.
DU Yongfeng, LI Wanrun, LI Hui, et al, Structural damage identification based on time series analysis［J］. Journal of Vibration and Shock, 2012(12):108-111.
［10］KAYACAN E, ULUTAS B, KAYNAK O. Grey system theory-based models in time series prediction［J］. Expert Systems with Applications, 2010(2):1784-1789.
［11］TIEN T L. A research on the grey prediction model GM(1, n)［J］. Applied Mathematics and Computation, 2012(9):4903-4916.

[1]	周建庭1,2，黎娅2，张洪2，夏润川2，杨文琦2. 基于自发漏磁检测的钢绞线两点腐蚀试验研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 74-81.
[2]	张华1，张正琦2 ，程高3，4，田伯科1. 黄土地区陡崖坡段桩基合理临坡距研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 93-98.
[3]	刘金春，宋子轩，梁栋. 单箱三室连续梁桥在横向温度梯度与汽车偏载下的空间效应分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 80-86.
[4]	郑植1,2，耿波2，袁佩2，李嵩林2，胡正涛3. 桥墩复合材料防船撞装置新型连接试验研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 66-73.
[5]	张阳1，屈少钦1，卢九章2，霍文斌3. UHPC纤维定向法及对受拉性能影响[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 74-80.
[6]	傅立磊. 基于随机激励响应的参数识别相关函数法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 70-75.
[7]	苏小波1，肖林2. 空间刚架结构钢-混结合段合理构造模型试验和数值模拟研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 76-82.
[8]	梁宗保1，柴洁1，纳守勇2，马天立1，唐玉1. 基于深度学习的桥梁健康监测数据有效性分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(03): 78-83.
[9]	唐启智1,辛景舟1,2,周建庭1,付雷1,3,张俊4. 基于时序分析的锈蚀RC拱损伤识别：仿真与验证[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 69-77.
[10]	戎贤1,2，杨洪渭1，张健新1,2. 带钢端头的装配式混凝土梁柱中节点滞回性能试验研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 78-82.
[11]	刘小会，许杨，陈思甜，徐略勤. 人行悬索桥地震响应分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 65-71.
[12]	琚利平1，王银辉2，陆晓宏3，单继栋4. 行车落物作用下钢筋混凝土箱梁破坏形态分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 72-78.
[13]	王桢1,2，周建庭1,3，张劲泉1,4，吴海军1，吴月星1. 现浇分段长度对万吨级平转斜拉桥受力的影响分析[J]. 重庆交通大学学报（自然科学版）, 2020, 39(12): 44-52.
[14]	郝宪武，舒鹏，郝键铭. 大跨度非对称悬索桥的静风稳定性研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(12): 53-59.
[15]	陈思甜，彭庆，杨敏. 亢谷景区大跨径人行玻璃悬索桥人致振动响应分析[J]. 重庆交通大学学报（自然科学版）, 2020, 39(12): 60-66.

面向桥梁结构状态预测的ARMA-GM组合时序模型研究

Study on ARMA-GM Combined Time-series Model for Structural State Prediction of Bridges

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics