基于統計特征混合與隨機森林重要性排序的橋梁異常監測數據識別方法*

邱 陽，李 盛，金 亮，張咪咪，王 杰

(1.武漢理工大學信息工程學院，湖北 武漢 430070；2.武漢理工大學光纖傳感技術與網絡國家工程研究中心，湖北 武漢 430070；3.小米科技有限責任公司，湖北 武漢 430070)

監測跟蹤橋梁結構的演變趨勢對于確保橋梁安全運營十分重要[1]。基于橋址現場傳感器網絡搭建而成的結構健康監測[2]系統，可以跟蹤橋梁的受力、變形和振動等結構響應，是反饋橋梁結構運營狀態的有效自動化監測手段。對于大型斜拉橋健康監測系統，振動監測是診斷和評價結構服役狀態的重要方式。目前，實際工程中對結構振動的長期實時監測主要依靠加速度傳感器[3]。跟蹤加速度監測值及其趨勢，并判別其是否在安全閾值范圍內的方式，可用于評估和預測結構的安全性。然而，現場傳感器長期運作帶來的不穩定性，采集傳輸鏈路不暢通引入的噪聲干擾，監控機房的供電或網絡中斷等影響，都會對振動監測結果引入異常干擾，且這種干擾的發生具有隨機性和非均衡性。因此，為了準確地評價橋梁結構的振動狀態，必須識別并剔除上述多種模式異常數據帶來的影響[4]。

結構健康監測中關于傳感信號異常診斷的研究方面，文獻[5]指出了傳感器校驗對結構健康狀況評估準確性和可靠性的重要意義，并綜述了可減少測量值與真實值間偏差的傳感器校驗方法。在傳感器較少情況下的異常數據診斷研究中，文獻[6]指出基于統計過程控制技術可有效識別橋梁GPS載波相位監測中的微小持續性偏移。文獻[7]提出基于主成分分析和超球面一類支持向量機的方法用于準確識別橋梁伸縮縫信息。針對規模較大的傳感器網絡故障診斷研究中，Huang[8]構建了一種基于動態或自回歸特性多變量的統計模型，并在一個基準有限元結構上檢驗了該方法相較于傳統主成分分析方法的優越性。Hernandez[9]針對桁架橋模型，探討了三種基于統計監測模型的傳感器故障和異常識別方法的適用性。以上圍繞傳感器故障診斷開展的研究中，考慮的異常數據類別數量和規模與實際工程相比還較為有限，均未考慮不同模式異常數據樣本間的非均衡性影響。隨著計算機硬件性能的提升，機器學習、深度學習技術開始被用于處理結構健康監測中的分類問題，如文獻[10]綜述性回顧了機器學習和深度學習技術在結構損傷識別領域中的發展。其中，已有基于計算機視覺通過深度學習來識別異常數據的相關研究報道[11-12]。但這種將時間序列信號轉化為圖像的特征抽取方法極其消耗計算資源。Li[13]利用縮尺橋梁模型模擬含有異常影響的時間序列信號，并通過建立深度學習模型實現了3種異常狀態與基準態的高準確率分類。盡管上述相關研究通過數值模擬或針對樣本量較少的監測數據，驗證了人工智能方法識別健康監測系統傳感信號異常性的可行性，但面對實際工程傳感器網絡的復雜信號模式時，樣本的分類標簽注解依舊缺乏自動化手段，難以為研究提供具有一定規模的樣本庫支持。因此，目前各種針對異常監測數據的診斷識別方法，還缺少對實際監測系統長期監測數據集的檢驗。

針對以上現狀，本文以某座實際大跨度斜拉橋結構健康監測系統中38個振動傳感器長達1個月的監測數據作為對象，開展面向具有多種模式的異常數據的識別與分類方法研究。對實際數據集中存在的不同模式樣本間數據量的非均衡性，以及相同模式樣本間個性化差異的現象，提出了基于統計特征混合與隨機森林(RF)重要性排序識別異常數據的方法。面向實際工程監測數據集，檢驗用于識別不同模式異常數據方法的執行效果。分析討論采用多種特征混合輸入編排方式時幾種典型機器學習分類算法對異常數據識別方法的適應性。

1 異常數據識別方法

圖1為基于監督學習訓練的異常數據識別與分類方法流程。監督學習分類訓練前，依次開展樣本數據增強[14]、統計特征計算、特征重要性排序與排序特征混合。

圖1 異常數據識別方法流程

1.1 樣本數據增強

對原始樣本開展數據增強是提升監督學習訓練效果的有效方式[15]。目前，數據增強的方法主要面向二維圖像信號處理[16]。針對一維信號，增強手段主要是通過對原樣本序列進一步切割來增加樣本容量[17]。此外，也有將一維信號轉換為圖片格式后開展數據增強的相關研究[18]。與上述手段不同，提出通過對原始數據集進行前向差分求導來實現樣本數據量的增強。將結構健康監測系統采集到的原始振動監測數據集記為X＝{s1，s2，…，sn}，其中，si代表第i條原始數據樣本。對X進行一階求導并將求導后的數據集記為，其中定義為si經過前向差分后的結果。該處理方式通過翻倍增加原樣本量來實現數據增強。

1.2 統計特征計算

為進一步加強監督學習訓練對有效特征的提取能力，采用統計的策略降低X和Xτ中冗余信息對于訓練效率的影響。圖1所示的統計特征分別為最大值(Max)、最小值(Min)、平均數(Mean)、中位數(Median)、標準差(Std)、極差(Range)、有效值(Value)、眾數(Mode)、峰度(Kurtosis)和偏度(Skewness)，將si和的統計特征集分別定義為stai＝。其中，sim和分別表示樣本si和的第m種統計特征量。

1.3 特征重要性排序

為衡量樣本中各種統計量與原始樣本間的相關性強弱，對stai和中的m種統計特征分別按照式(1)計算基于RF的特征重要性指數(PIM)[19]，并依據PIM值大小對統計特征重要性開展排序，具體流程如下:

①構造M棵決策樹；

②當前決策樹ktree＝1時，得到對應袋外數據[20]OOBk；

③計算當前決策樹對OOBk的預測誤差errOOBk；

④將OOBk中第i種統計特征的隨機擾動記為，計算當前決策樹對的預測誤差；

⑤對于每一顆決策樹，ktree＝2，…M，重復步驟②到④；

⑥根據式(1)計算統計特征的重要性。

式中:M為構造的決策樹數量，和errOOBk分別表示對第i種統計參量添加擾動后的袋外數據和未添加擾動的袋外數據在第ktree棵決策樹情況下的預測誤差。

1.4 排序特征混合

依據統計特征PIM值大小，首先將stai和內的m種統計特征由大到小進行重排列。在此基礎上分別從stai和中挑選出不同數量的統計特征進行組合，形成排序后stai和的子集staisub和，，其中，sik和分別代表stai和中PIM排名第k位的統計特征。然后，將staisub和進行組合，得到用于分類器訓練的輸入樣本表達yn，定義。其中，n為k取不同值時特征混合方式的編號。

2 異常數據識別方法工程驗證

2.1 工程背景

檢驗識別方法的數據集源自某實際大跨度斜拉橋一個月內38個加速度傳感器數據[21]。如圖2所示，38個傳感器分別安裝在橋梁的不同位置，包含了X，Y和Z三個關注方向。數據采樣頻率為20 Hz，每個傳感器的每一條樣本采樣時長1 h，樣本維度為1×72 000。上述數據集已按7種不同模式進行數據樣本的標簽化[11]，由表1知，每一類模式的樣本容量具有非均衡性。

圖2 加速度傳感器現場布置

表1 樣本分類及大小

此外，圖3隨機選擇了各類模式中2條樣本，并繪制了加速度時域波形。其中，橫軸表示采樣時長，縱軸為加速度響應幅值。可以明顯發現，對于相同的模式，樣本的原始波形之間存在不同程度的差異。

圖3 7類模式樣本的原始數據特征

2.2 樣本數據增強和統計特征計算

為了避免如表1所示樣本分布不均衡對監督學習分類訓練預測準確率的影響，以樣本數量最少的模式4為基準，其他每類模式均隨機抽樣選出527條樣本。均衡化處理后的樣本集X＝{s1，s2，…，sn}按照前向差分求導策略實現數據增強，得到Xτ＝。其中，從圖3中可知Missing模式的數據存在局部或整體時段出現空值的現象。針對該現象，一階求導處理前利用0替換整體時段內的空值，利用整體樣本的均值替換局部時段內的空值。盡管前向差分在增強非空樣本集時才具有實際物理意義，但經過該方式的統一處理后，38個傳感器可用于訓練的總樣本量均實現了翻倍，累計樣本達到了7 378條。按照圖1所示的識別流程，分別計算si和的最大值、最小值、平均數、中位數、標準差、極差、有效值、眾數、峰度和偏度。

2.3 統計特征重要性排序

為了保證特征重要性排序具有可靠性和穩定性，通過反復試算將RF的最大決策樹參數設置為10 000，按照式(1)計算10類統計指標的PIM值。圖4給出了統計特征重要性排序結果。

圖4 統計特征PIM排序

根據PIM值大小，將原始樣本和前向差分后樣本的統計特征從高到低進行排列，得到，。從圖4可知，對原始樣本和前向差分后的樣本，求得的統計特征中重要性靠前的6個統計特征均相同，都包含極差、方差、最小值、峰度、有效值和最大值。

2.4 監督分類訓練

采用經過統計特征重要性排序后的6個統計特征替代表達stai和，并將其作為監督學習訓練的最終樣本輸入。訓練中，首先將均衡化處理后的X和Xτ分別按照機器學習中常用的劃分比例[22-23]7∶3劃分為訓練集和測試集。此時，訓練集包含2 582條樣本，測試集包含1 107條樣本。其次如表2，比較多種樣本表達作為輸入時的分類學習效果，并將原始樣本的時間序列和采用切割方式增強數據后的時間序列作為比較基準。其中，每種標記代表一類樣本輸入方式。

表2 樣本輸入特征混合方式

評價本文提出識別正常數據和6類異常數據的方法時，依次使用K鄰近法(KNN)、支持向量機(SVM)、決策樹(DT)、和RF作為有監督學習的分類器。為使每種分類器達到最佳分類效果，利用網格搜索法[24]對分類器超參數進行尋優。實驗中，監督學習基于Python下的scikit-learns[25]開展，硬件環境基于Intel Core i7-9750H CPU，8G RAM和NVIDIA GeForce GTX 1050顯卡的配置開展。

2.5 結果分析與對比

圖5為RF、SVM、KNN和DT四種分類器對應于表2在不同特征混合作為輸入情況下，在測試集上的平均識別準確率結果。由該圖可知，原始樣本未經數據增強與特征提取時，識別效果僅能達到11%~15%的準確率。嘗試常規方法對原始樣本切割2~10份開展數據增強后，識別準確率有顯著的提升，可以達到77%~85%。而基于提出的數據處理策略，樣本增強的規模僅相當于常規方法中對原始樣本切割2次，但在這種較小規模的數據增強代價下各種分類器下的識別準確率得到了進一步的提升，最佳效果可達到97.10%。其次，在不同特征混合方式下，4種監督學習分類器的總體平均分類準確率變化趨勢基本相同。在特征組合相同的情況下，RF和DT相比SVM和KNN表現要更好，平均分類準確率要高出約6%。其中，y2作為輸入時，RF和DT識別正常數據和異常數據的平均準確率均達到了96.11%，但圖6中的混淆矩陣表明，這兩種分類器對于Normal的識別僅能達到88.69%和89.88%的準確率，且該模式易被混淆為Outlier和Minor。

從圖5知，y6作為特征輸入時，4種分類器的平均分類準確率均優于其他輸入表達，且RF的識別效果最佳，達到了97.10%。為進一步揭示y6作為輸入時4種分類器對正常數據和6類異常數據的識別效果，圖7給出了4種分類器在測試集上的混淆矩陣，可以發現SVM和KNN分類器對于正常數據和6類異常數據的識別準確率均衡度欠佳，而RF和DT的分類識別效果更加穩健，且RF的總體效果更好，對每一類模式的識別準確率均超過了95%。其中，對于Drift、Square和Missing類型的識別率已接近100%。此時，y6相比y2作為樣本輸入時，Normal的識別準確率已由圖6(d)中的88.69%提升到圖7(d)中的96.84%。

圖5 4種分類器在不同特征混合下的分類準確率

圖6 不同分類器在y2輸入方式下測試集混淆矩陣

圖7 不同分類器在y6輸入方式下測試集混淆矩陣

3 結論

本文面向某座大跨度斜拉橋實測振動監測數據，針對正常和6類異常監測數據的樣本非均衡性及同標簽樣本間的局部細節差異性，提出了基于前向差分求導開展樣本數據增強，基于隨機森林重要性排序選取參與表征原始樣本統計特征，以及混合不同數量統計特征進行異常數據識別的方法。采用不同機器學習分類器的監督學習效果顯示，提出的方法可以高準確率地識別正常數據和6類異常數據，且混合部分重要性排序后統計特征來表征原始樣本訓練輸入的方式即可達到理想的識別效果。此外，針對具有樣本不平衡特點的工程數據開展監督學習訓練時，提出的方法可為增強一維時序特征數據樣本量，減少同類樣本間差異性對監督學習訓練的影響等提供借鑒思路。