[发明专利]一种结合Grubbs法和3σ方法的数据处理方法

说明书

本发明提出了一种结合Grubbs法和3σ方法的数据处理方法，是通过对桥梁时序监测数据进行高低频分类，分别对高频样本多的监测数据进行3σ方法进行误差剔除，对低频样本少的监测数据采用Grubbs法进行处理，该方法具有较高的处理效果和准确率；对剔除的不可信数据，通过拉格朗日插值方法进行数据补偿，使得补偿后的监测数据更加合理；经补偿后的监测数据可有效还原该监测时间的监测数据，使得监测数据整体更加可信，有利于科学决策和进一步分析。

技术领域

本发明涉及信息分析领域，尤其涉及一种结合Grubbs法和3σ方法的数据处理方法。

背景技术

我国是桥梁大国，公路桥梁总数超过80万座，影响桥梁质量的因素包括人为因素、车辆超载因素、材料因素、养护管理不及时等，如果未能及时发现桥梁的损伤和劣化，及时进行监测和检修，可能会影响行车安全和缩短桥梁使用寿命，甚至导致桥梁的突然破坏和倒塌。因此对桥梁的健康状况进行监测是很有必要的。桥梁健康状况监测一般包括应力应变监测、拉索索力监测、振动加速度监测、变形位移监测、沉降监测、裂缝监测、车辆荷载监测、风速监测和温湿度监测等项目，这些监测项目会产生大量的监测数据，监测数据需要进行可靠的处理，才能得到可靠的数据用于进一步评估和决策。

发明内容

为解决上述技术问题，本发明提出了一种可分别对高频数据和低频数据进行不同的粗大误差分析、粗大误差分析可靠、准确还原测量时刻真实数据的结合Grubbs法和3σ方法的数据处理方法。

本发明的技术方案是这样实现的：一种结合Grubbs法和3σ方法的数据处理方法，包括如下步骤：

S1：依照桥梁的监测项目，在一定时间段内通过监测设备的连续监测，获得桥梁的监测数据；

S2：根据采样的频率，将桥梁的监测数据按不同类型分为高频监测数据和低频监测数据；

S3：对高频监测数据采用3σ方法处理，对高频数据中超出±3σ的部分进行剔除；

S4：对低频监测数据采用Grubbs法进行处理，对超出临界值的部分进行剔除；

S5：分别对S3、S4步骤剔除数据处理后的数据进行拉格朗日插值方法对剔除的数据进行数值补偿，得到该时间段的处理后的正常数据。

在以上技术方案的基础上，优选的，所述监测设备包括应力应变监测设备、索力监测设备、振动加速度监测设备、变形位移监测设备、沉降监测设备、裂缝监测设备、车辆荷载监测设备、风速监测设备和温湿度监测设备；应力应变监测设备和车辆荷载监测设备用于监测桥梁的受力数据；索力监测设备用于监测拉索的受力数据；振动加速度监测设备用于监测桥梁的振动数据；变形位移监测设备、沉降监测设备和裂缝监测设备用于监测桥箱梁的挠度、桥梁基础沉降和桥梁伸缩缝数据；风速监测设备和温湿度监测设备可以监测风力风向、温度和湿度数据。

在以上技术方案的基础上，优选的，所述采样区分的频率为1Hz，采用频率大于1Hz的桥梁的监测数据为高频监测数据；采样频率小于等于1Hz的桥梁的监测数据为低频监测数据。

在以上技术方案的基础上，优选的，所述对高频监测数据采用3σ方法处理，是选择同一类型监测设备采集的m个高频监测数据X，将高频监测数据按顺序编号X₁、X₂、X₃...X_m，(其中m≥1)，高频监测数据X服从正态分布X～N(μ，σ²)，其中μ为X的均值，σ²为X的标准方差，计算出(μ-3σ，μ+3σ)的范围，将未分布在(μ-3σ，μ+3σ)范围内的数据进行剔除。