基于神经网络的桥梁监测数据挖掘-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于神经网络的桥梁监测数据挖掘

作者：张鹏 Publish: 2007-10-25 Hits:-

【中文题名】

基于神经网络的桥梁监测数据挖掘

【英文题名】

Data Mining for Bridge's Monitoring Data Based on Netural Network

【学科专业】

计算机应用技术

【论文级别】

硕士论文

【投稿时间】

2007-10-25

【中关键词】

数据挖掘,健康监测,聚类,关联,时序分析,模型

【英关键词】

Data Mining,Health Monitoring,Cluster,Associate rule,Time series,Model,Bridge,

【分类导航】

工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算>

【论文摘要】

随着桥梁事故的逐年增加,桥梁健康监测越来越受到政府和工程界重视。桥梁是一个比较复杂的系统,正常情况下劣化是一个缓慢的过程,桥梁的健康监测系统每天会产生大量的数据,而桥梁的老化、损伤往往是很长一段时间造成的,期间监测系统收集的数据量是惊人的,但是一般的健康监测系统又无力分析处理长时间积累的大量的数据(数据量一般可达到GB级),也就无法从历史数据中发现桥梁所存在的问题,使大量有价值的数据堆放在一边无法使用.。本文尝试利用基于神经网络的数据挖掘技术对桥梁监测数据进行挖掘,找出桥梁监测数据的数据分析模型,获得某个桥梁参数的变化(波动)规律,同时挖掘出桥梁参数之间隐含的关系。事实上对于大型建筑,如高楼、体育馆、大坝、机场等的监测数据的分析,本课题的研究也有实际意义的。主要是在数据挖掘技术的基础上,结合桥梁监测系统的现状,提出了利用数据挖掘技术处理大型数据集的能力来分析由桥梁监测系统产生的数据的方案,采用基于神经网络的数据挖掘技术对桥梁监测数据进行分析,处理桥梁长期监测中所产生的大量数据,建立了多种数据挖掘模型,分别是:①聚类模型,主要用于桥梁数据的异常情况监测,数据的归约。②关联模型,主要...

【论文题纲】

中文摘要	3-4
英文摘要	4-8
1 绪论	8-13
1.1 问题的提出及研究意义	8-9
1.1.1 问题的提出	8-9
1.1.2 研究的意义	9
1.2 国内外现状	9-11
1.3 本文研究的目的和研究内容	11-13
1.3.1 本文研究的目的	11-12
1.3.2 本文研究的内容	12-13
2 相关理论	13-22
2.1 数据挖掘概述	13
2.2 聚类分析模型	13-16
2.3 关联规则挖掘模型	16-19
2.3.1 基本概念	16-17
2.3.2 Apriori 算法	17-19
2.4 时间序列的ARIMA 模型	19-22
3 大佛寺大桥健康监测系统简介	22-29
3.1 桥梁健康检测系统	22-24
3.2 大佛寺大桥监测系统简介	24-27
3.3 大佛寺长江大桥监测数据的特征	27-29
4 桥梁监测数据的挖掘	29-45
4.1 桥梁监测数据预处理	29-32
4.1.1 桥梁监测数据合并	29
4.1.2 桥梁监测数据中噪音数据的处理	29
4.1.3 桥梁监测数据的最大值，最小值	29-31
4.1.4 桥梁监测数据的平均值，标准方差	31
4.1.5 桥梁监测数据变换	31-32
4.1.6 桥梁监测数据主成分分析(PCA)	32
4.2 桥梁监测数据的聚类分析	32-34
4.3 挖掘桥梁监测数据的关联规则	34-38
4.4 桥梁监测数据时序预测模型	38-44
4.4.1 桥梁监测数据时间序列的相似性	38-40
4.4.2 桥梁监测数据时序预测模型	40-44
4.5 挖掘模型的使用	44-45
5 总结	45-46
致谢	46-47
参考文献	47-49
附录	49

【DOI】

LunWen.ID:2.2008.389058



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：数据挖掘论文健康监测聚类关联时序分析模型

自动化基础最新论文

自动化基础热门论文