基于大数据分析的桥梁结构健康状态评估

• 作 者: 侯晋祥
• 出 处: 重庆大学
• 发表日期: 2018年期
• 关键词: 桥梁结构健康状态评估 损伤识别 BSHE-Hadoop 深度学习 深度信念网络 dropout MapReduce

桥梁在国家交通运输中占着重要的位置。随着我国桥梁工程事业的发展,我国桥梁的建设已从大规模地建设向桥梁的管理与养护方向转移。由于环境侵蚀、结构老化等因素的影响,桥梁结构会出现各种各样的问题。由于结构安全问题的出现,对桥梁进行结构健康状态评估受到了极大关注,在大型桥梁上面部署桥梁结构健康状态评估系统已经成为桥梁建设行业的共识。但是在如今大数据的背景下,传统的桥梁结构健康状态评估系统存在无法有效存储传感器采集的数据和无法有效分析数据的问题。本文的目的旨在解决这两个问题,具体工作内容和取得的成果如下:(1)结合桥梁大数据的特点以及Hadoop在处理大数据方面的优势,首先设计了基于大数据分析的桥梁结构健康状态评估的架构BSHE-Hadoop,用以解决传统桥梁结构健康评估系统在面对大量数据时无法有效存储以及扩展的问题。(2)在桥梁结构损伤状态的识别方面,将深度信念网络作为桥梁结构损伤识别的算法。深度学习目前已经在多个领域的大数据处理方面取得了丰硕的研究成果,但是很少有将深度学习与桥梁结构健康状态评估相结合,本文将深度学习用于对桥梁的结构健康状态的评估。从实验结果来看,基于深度信念网络构建的桥梁结构损伤识别分配器模型相比于BP神经网络,在分类正确率方面提高了4.15%。(3)为了解决深度信念网络在训练过程中有可能存在过拟合的现象,将dropout算法加入到了深度信念网络。加入dropout算法之后的深度信念网络相比传统的深度信念网络,在桥梁结构健康状态分类正确率方面提高了1.67%,达到了63.20%。(4)将深度信念网络并行化,完成了深度信念网络MapReduce程序的编写,使深度信念网络在Hadoop平台下可以完成桥梁结构损伤识别的任务,解决在大数据环境下无法有效对桥梁的结构健康状态进行有效评估的问题。