本發(fā)明屬于橋梁狀態(tài)評(píng)估及預(yù)測領(lǐng)域，具體是一種基于多源信息的橋梁狀態(tài)評(píng)估與預(yù)測方法，實(shí)現(xiàn)對在役橋梁狀態(tài)的智能評(píng)估和智能預(yù)測。

背景技術(shù)：

1、橋梁作為交通工程的樞紐，由于結(jié)構(gòu)自身及外部環(huán)境的影響，橋梁總會(huì)不可避免地發(fā)生結(jié)構(gòu)退化，從而導(dǎo)致構(gòu)件失效、橋梁承載力降低，甚至整座橋的倒塌，因此須針對在役橋梁結(jié)構(gòu)進(jìn)行檢測與評(píng)估，這對于保證橋梁健康狀態(tài)有重要意義。

2、工程界當(dāng)下應(yīng)用較多的基于橋梁結(jié)構(gòu)健康監(jiān)測（shm）的狀態(tài)評(píng)估方法，其健康監(jiān)測綜合了多個(gè)領(lǐng)域的知識(shí)，雖然提高了預(yù)測評(píng)估的可靠性，但相關(guān)理論和技術(shù)細(xì)節(jié)尚不成熟，包括：1)?監(jiān)測無統(tǒng)一標(biāo)準(zhǔn)，規(guī)模差異巨大；2)?監(jiān)測內(nèi)容廣泛涵蓋各類技術(shù)指標(biāo)，但缺乏針對性；3）基于監(jiān)測建立的狀態(tài)評(píng)估和體系不完善。這些問題都導(dǎo)致了橋梁狀態(tài)評(píng)估缺乏代表性、針對性、準(zhǔn)確性，無法滿足現(xiàn)代在役橋梁狀態(tài)評(píng)估和預(yù)測的需求。

3、順應(yīng)學(xué)科、技術(shù)融合趨勢，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大數(shù)據(jù)、人工智能等的加入使橋梁狀態(tài)評(píng)估和預(yù)測方法得以向系統(tǒng)化、科學(xué)化和智能化轉(zhuǎn)型升級(jí)。這些技術(shù)有效解決了shm監(jiān)測方法存在的不足，可以避免主觀因素對橋梁評(píng)估產(chǎn)生誤差，并對海量、多源、針對性數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析和處理，提高橋梁狀態(tài)評(píng)估的準(zhǔn)確性、針對性和預(yù)測方法的適用性。本發(fā)明基于學(xué)科融合技術(shù)優(yōu)勢提出。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種基于多源信息的橋梁狀態(tài)評(píng)估和預(yù)測方法，用來解決現(xiàn)有技術(shù)中對于橋梁檢測和評(píng)估存在工作繁多、數(shù)據(jù)處理困難、評(píng)估方法復(fù)雜、評(píng)估時(shí)主觀因素影響較大的問題，旨在實(shí)現(xiàn)對運(yùn)營中橋梁進(jìn)行高效、可靠、智能的評(píng)估分析以便做出準(zhǔn)確的管養(yǎng)決策。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種基于多源信息的橋梁狀態(tài)評(píng)估和預(yù)測方法，主要包括以下步驟：

4、（1）融合多源數(shù)據(jù)的橋梁狀態(tài)數(shù)據(jù)庫

5、建立基于橋梁定期檢測報(bào)告和監(jiān)測信息的數(shù)據(jù)庫，考慮車輛荷載對橋梁退化的直接干涉作用，確定對于橋梁退化產(chǎn)生影響的特征參數(shù)，經(jīng)過數(shù)據(jù)預(yù)處理和規(guī)整，為橋梁退化建模提供詳細(xì)可靠的數(shù)據(jù)基礎(chǔ)；

6、（2）橋梁退化模型建立

7、建立基于多源信息的橋梁退化模型；挖掘海量數(shù)據(jù)中參數(shù)的內(nèi)在聯(lián)系；對模型進(jìn)行可解釋性分析，預(yù)測橋梁的狀態(tài)退化趨勢，為后期的橋梁管養(yǎng)提供決策依據(jù)；

8、（3）管養(yǎng)策略優(yōu)化

9、為統(tǒng)籌考慮橋梁的安全指標(biāo)和費(fèi)用指標(biāo)，采用帶精英策略的非支配排序遺傳算法對橋梁評(píng)估結(jié)果進(jìn)行分析和提煉，生成滿足限定目標(biāo)的備選維修方案集，為管養(yǎng)決策的優(yōu)化提供參考。

10、進(jìn)一步地，所述步驟（1）具體步驟為：

11、（1.1）搜集海量橋梁檢測報(bào)告，以其他數(shù)據(jù)作為補(bǔ)充；

12、（1.2）基于橋梁動(dòng)態(tài)稱重系統(tǒng)和車輛荷載識(shí)別系統(tǒng)，獲取橋梁的關(guān)鍵監(jiān)測信息；

13、（1.3）對獲取的檢測信息和監(jiān)測信息進(jìn)行數(shù)據(jù)規(guī)整，將原始多源數(shù)據(jù)從非結(jié)構(gòu)化、半結(jié)構(gòu)化轉(zhuǎn)換為結(jié)構(gòu)化，方便用于數(shù)據(jù)建模和模式挖掘；

14、（1.4）進(jìn)行數(shù)據(jù)庫特征子集選擇，定義與橋梁總體技術(shù)狀況最相關(guān)的參數(shù)集合；

15、（1.5）對選定的特征子集進(jìn)行數(shù)據(jù)規(guī)范化，將所有的屬性值量綱一化到[0,1]區(qū)間上；

16、（1.6）最終形成多源數(shù)據(jù)融合的橋梁狀態(tài)數(shù)據(jù)庫。

17、進(jìn)一步地，所述步驟（1.1）中其他數(shù)據(jù)包括橋梁施工圖、技術(shù)狀況評(píng)定表、交通流量統(tǒng)計(jì)表。

18、進(jìn)一步地，所述步驟（1.2）中車輛荷載識(shí)別系統(tǒng)基于計(jì)算機(jī)視覺技術(shù)和目標(biāo)追蹤算法對車輛荷載進(jìn)行識(shí)別。橋梁動(dòng)態(tài)稱重系統(tǒng)是一種用于在車輛正常行駛過程中實(shí)時(shí)、準(zhǔn)確地測量車輛重量的技術(shù)，?它采用了現(xiàn)代傳感器、數(shù)據(jù)采集技術(shù)、信號(hào)處理技術(shù)和數(shù)據(jù)分析技術(shù)，能夠?qū)崟r(shí)監(jiān)測和記錄車輛的重量、軸數(shù)、軸距等關(guān)鍵數(shù)據(jù)。

19、進(jìn)一步地，所述步驟（1.2）中監(jiān)測信息為橋梁的通行量、車輛荷載，主要考慮車輛荷載對橋梁狀態(tài)退化的直接干涉作用。

20、進(jìn)一步地，所述步驟（1.4）中數(shù)據(jù)庫特征子集的選擇為：橋齡、橋型、橋長、跨徑、設(shè)計(jì)荷載、交通量、車輛荷載、維修記錄、環(huán)境溫濕度、空氣污染物濃度等與橋梁總體技術(shù)狀況最相關(guān)的參數(shù)集合。

21、進(jìn)一步地，所述步驟（2）具體步驟為：

22、（2.1）提取橋梁退化特征，確定機(jī)器學(xué)習(xí)模型的輸入與輸出參數(shù)；

23、（2.2）利用專家評(píng)估法/層次分析法，確定各指標(biāo)權(quán)重系數(shù)；

24、（2.3）搭建機(jī)器學(xué)習(xí)模型；

25、（2.4）針對橋梁動(dòng)態(tài)數(shù)據(jù)庫進(jìn)行模型訓(xùn)練和調(diào)優(yōu)；

26、（2.5）橋梁動(dòng)態(tài)評(píng)估的指標(biāo)乘以權(quán)重系數(shù)，得到橋梁動(dòng)態(tài)技術(shù)狀況分?jǐn)?shù)；

27、（2.6）根據(jù)橋梁動(dòng)態(tài)技術(shù)狀態(tài)分?jǐn)?shù)，劃分橋梁狀況等級(jí)；

28、（2.7）對機(jī)器學(xué)習(xí)模型進(jìn)行解釋，得各輸入出參數(shù)特征重要性排序；

29、（2.8）進(jìn)行橋梁長期性能預(yù)測；

30、（2.9）最終形成基于多源數(shù)據(jù)信息的橋梁退化模型。

31、進(jìn)一步地，所述步驟（2.1）中確立了多輸入和多輸出參數(shù)，以橋齡、橋型、橋長、跨徑、設(shè)計(jì)荷載、交通量、車輛荷載、維修記錄、環(huán)境溫濕度、空氣污染物濃度等與橋梁總體技術(shù)狀況最相關(guān)的參數(shù)集合作為輸入，以上部結(jié)構(gòu)評(píng)分、下部結(jié)構(gòu)評(píng)分及橋面系評(píng)分作為輸出，由三項(xiàng)輸出結(jié)果按指標(biāo)權(quán)重計(jì)算出橋梁總體技術(shù)狀況指標(biāo)，最終得出橋梁的技術(shù)狀況評(píng)級(jí)。

32、進(jìn)一步地，所述步驟（2.3）中機(jī)器學(xué)習(xí)模型選取xgboost集成學(xué)習(xí)模型進(jìn)行搭建，相較于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)更快速更準(zhǔn)確地預(yù)測評(píng)估；所述xgboost模型從構(gòu)件層次和結(jié)構(gòu)層次建立基于統(tǒng)計(jì)的橋梁退化模型。

33、進(jìn)一步地，所述步驟2.2中采用三角模糊數(shù)和層次分析法結(jié)合的理論方式，對橋梁技術(shù)狀況的部構(gòu)件權(quán)重進(jìn)行計(jì)算，解決了傳統(tǒng)打分方式的不確定性，使構(gòu)造的結(jié)果更為合理。

34、進(jìn)一步地，所述步驟（2.7）采用shap算法對模型進(jìn)行可解釋性分析，得出各特征參數(shù)的重要性排序，從而確定對橋梁退化產(chǎn)生最不利影響的因素，為橋梁維護(hù)管養(yǎng)提供更科學(xué)可靠的決策依據(jù)。

35、進(jìn)一步地，所述步驟（3）具體步驟為：

36、（3.1）進(jìn)行算法尋優(yōu)；

37、（3.2）確定橋梁安全與費(fèi)用指標(biāo)；

38、（3.3）建立滿足限定目標(biāo)的備選維修方案集；

39、（3.4）最終，實(shí)現(xiàn)對橋梁的管養(yǎng)策略優(yōu)化。

40、進(jìn)一步地，所述步驟（3.1）采用nsga-ⅱ算法尋找優(yōu)選方案。

41、本發(fā)明有益效果如下：

42、本發(fā)明通過數(shù)據(jù)融合和數(shù)據(jù)規(guī)整建立橋梁狀態(tài)數(shù)據(jù)庫，將提取的關(guān)鍵參數(shù)及數(shù)據(jù)集進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練與驗(yàn)證，生成一系列橋梁構(gòu)件及結(jié)構(gòu)層的退化模型，對機(jī)器學(xué)習(xí)模型進(jìn)行可解釋性分析，得出關(guān)鍵參數(shù)的特征重要性排序，實(shí)現(xiàn)對橋梁的狀態(tài)評(píng)估及退化趨勢預(yù)測，基于遺傳算法實(shí)現(xiàn)橋梁管養(yǎng)策略的多目標(biāo)優(yōu)化。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)現(xiàn)了基于橋檢報(bào)告和橋梁監(jiān)測信息的動(dòng)態(tài)評(píng)估，提升了預(yù)測橋梁病害和采取合理管養(yǎng)決策的能力，顯著提升了評(píng)估智能化程度和結(jié)果可靠性，為橋梁的長期維護(hù)和管理提供了重要支撐和決策依據(jù)。保證橋梁工程的安全服役和運(yùn)營，對橋梁病害處理及養(yǎng)護(hù)決策有著重要現(xiàn)實(shí)意義。