[发明专利]一种基于稀疏贝叶斯学习的桥梁振动响应数据预测方法

权利要求书

1.一种基于稀疏贝叶斯学习的桥梁振动响应数据预测方法，其特征在于，具体包括以下步骤：

S1、根据桥梁结构的动力响应数据，绘制相应的时域图；对时域图进行时域分析，依据不同动力分析方法选取相应的振动响应数据段；

S2、将S1的振动响应数据段按照时间序列分析法排序输入至稀疏贝叶斯学习算法中，其中为时间序列，为振动数据，N为数据点数，调整稀疏贝叶斯学习中高斯核函数的基宽参数γ，计算稀疏贝叶斯学习回归模型的权重参数w，初定振动响应数据段的稀疏贝叶斯学习回归模型；

S3、根据S2的稀疏贝叶斯学习回归模型，检验其拟合度和稀疏性，若拟合度和稀疏性不满足要求，则重复S2、S3直至确定最终的稀疏贝叶斯学习回归模型；

S4、根据S3确定的最终的稀疏贝叶斯学习回归模型，计算第N+1时刻数据点的预测值。

2.根据权利要求1所述的方法，其特征在于，步骤S2中的高斯核函数为根据以下规则调整基宽参数γ：(1)拟合度随着基宽的增大而变小；(2)稀疏性随着基宽的增大而变大。

3.根据权利要求1所述的方法，其特征在于，步骤S3中拟合度和稀疏性需满足的要求为：(1)稀疏贝叶斯学习回归模型的决定系数大于0.98；(2)权重参数的稀疏率至少达到70％。

4.根据权利要求1所述的方法，其特征在于，步骤S4中计算预测值时对于给定的N+1时刻的输入x^*，其预测值t^*可通过下式计算获得：

p(t^*|t)＝∫p(t^*|w,α,σ^-2)p(w,α,σ^-2|t)dwdαdσ^-2

式中w为权重参数，α为为超参，σ²为高斯噪声的方差。