基于深层神经网络的长大桥梁监测数据异常修复与重构方法研究

王 连发¹, 徐 一超¹, 张 宇峰¹, 承 宇¹, 王 昆鹏²
1、长大桥梁安全长寿与健康运维全国重点实验室/苏交科集团股份有限公司/广东粤交科科技有限公司
2、中交公路长大桥建设国家工程研究中心有限公司

摘要

针对长大桥梁结构健康监测中因传感器故障、环境干扰等导致的数据异常与缺失问题，本研究提出了一种基于深
层神经网络的数据修复与重构方法。该方法融合双向长短期记忆网络（BiLSTM）和条件生成对抗网络（CGAN），充分挖
掘多源异构监测数据的时空关联，实现异常特征的精准捕捉与缺失序列的高精度重构。实验表明，该方法有效提升了数据
质量，平均绝对误差（MAE）降低 21.8%，均方根误差（RMSE）降低 42.7%，模型拟合能力提高 9.1%。

关键词

深层神经网络；桥梁健康监测；数据修复；异常重构

参考

[1] Liu G, Li L, Zhang L, et al.Sensor faults classification

for SHM systems using deep learning-based method with Tsfresh

features[J].Smart Materials and Structures, 2020, 29(7):075005.

[2] 张宇峰 , 李贤琪 . 桥梁结构健康监测与状态评估 [M].

上海科学技术出版社 , 2018.

[3]Pimentel M A, Clifton D A, Clifton L, et al. A review of

novelty detection [J].Signal Processing, 2014, 99: 215-49.

[4] 唐志一 . 基于深度学习的结构健康监测异常数据诊

断与重构 [D]. 哈尔滨工业大学 , 2021.

[5] 徐一超 , 张宇峰 , 承宇 , 张建 . 面向场景需求的桥梁

轻量化监测技术与装备 [C]// 中国振动工程学会结构抗振控

制与健康监测专业委员会 . 第九届全国结构抗振控制与健康

监测学术会议摘要集 .[ 出版者不详 ],2023:221.

[6] 长 大 桥 梁 结 构 监 测 数 据 挖 掘 分 析 [J]. 中 国 公

路 ,2023(10):48-51.

[7] 马正源 . 基于结构监测的长大桥梁工程运营期风险

管理研究 [D]. 北京邮电大学 :2024.D

[8] 李志华 , 刘子振 , 邵国涛 , 何春木 . 深厚软土区长大

桥梁变形趋势监测研究 [J]. 交通世界 ,2024(18):155-158.

[9]《公路长大桥梁结构监测时空大数据应用指引》解

读 [J]. 城市道桥与防洪 ,2024(11):309-310.