CN115130176B 一种基于长期历史气象数据的桥梁温度梯度代表值估计方法 （大连理工大学）

KR20170124215A,2017.11.10一种基于长期历史气象数据的桥梁温度梯一种基于长期历史气象数据的桥梁温度梯法的12种气象参数与结构温度梯度数据的局部基于扩充后结构梯度温度数据的桥梁结构温度难以合理推算50年以上重现期温度作用代表值2步骤1.构建基于两阶段聚类方法的12种气象参数与结构温度梯度数据的局部化训练(1.3)基于两阶段聚类方法的气象参数局部化训练数据样本构建；将12类气象参根据两阶段聚类方法将12类气象参数和结构温度梯度向量形成的数据集合划分训练3计出的第k个连续型气象参数变量的估计方差；是根据气象参数簇i中数据点估计出的象参数簇ci中属于第p个分类型气象参数变量和λ{i,j}的计算方式与λi相同；该方法分为两步，第一步是基于贝叶斯信息准则初步确定气象参数簇数的粗略估计然后，以相邻合并的最小距离之比作为指标来确定最终的例通常发生在最后两个气象数据集群合并时；以每次合并时距离的比值变化作为判定标根据两阶段聚类法得到气象参数聚类数据集后，分步骤2.建立基于神经网络的结构温度梯度监2.根据权利要求1所述的一种基于长期历史气象数据的桥梁温度梯度代表值估计方将结构健康监测系统监测时长的12种气象参数作为输入，监43.根据权利要求1所述的一种基于长期历史气象数据的桥梁温度梯度代表值估计方Tdmindp的结构温度梯度监测指标与气象参数模型中，获取相应气象条件下的温度梯度数据预测4.根据权利要求1所述的一种基于长期历史气象数据的桥梁温度梯度代表值估计方使用超阈值法对扩充后的结构温度梯度数据进行极值分析，从而基于扩充后结构温度梯度数据的桥梁结构温度梯度代表值计pp5现有桥梁的寿命性能评估和维护以及桥梁设计都具[0006]本发明的目的是提供一种基于长期历史气象数据的桥梁温度梯度代表值估计方6[0009]步骤1.构建基于两阶段聚类方法的12种气象参数与结构温度梯度数据的局部化[0019](1.3)基于两阶段聚类方法的气[0020]根据两阶段聚类方法将12类气象参数和结构温度梯度向量形成的数据集合划分i和簇cj之间的距离定义为：7点估计出的第k个连续型气象参数变量的估计方差；是根据气象参数簇i中数据点估计是气象参数簇ci中属于第p个分类型气象参数变量和λ{i,j}的计算方式与λi相同；Tdmaxdminp8pp[0048]1、本发明的通过建立气象参数与结构温度梯度之间的相关模型确定结构温度梯[0049]2、本发明的基于两阶段聚类的气象参数与温度梯度局部化训练样本集合构建方[0050]3、发明的基于结构健康监测和气象数据相关性的桥梁温度梯度代表值估计方法[0052]图2为本发明所采用两阶段聚类法对气象参数和结构温度梯度数据进行局部化训[0053]图3为本发明方法采用BP神经网络建立温度梯度与气象参数相关模型的训练及测9[0059]本发明的基于结构健康监测和气象数据相关性的桥梁温度梯度代表值估计方法[0064]在本实施算中，本发明方法计算的100年重现期温度梯度代表值大于实际短期极20.9℃,100年重现期结构温度代表值为23.71℃,而10年的结构温差估计极值仅为15.74℃,说明使用短期数据进行代表值的估算结果是不合理的。说明了本发明的基于结构健康监测和气象数据相关性的桥梁温度梯度代表值估计方法的有