- 24 -

基于改进聚类算法的健康监测

系统数据挖掘模型

马乃轩

1,2

,

徐传昶

1,2

，孙文瑞

3

（1.

山东高速工程检测有限公司，山东 

济南 

250002；2.

桥梁结构大数据与性能诊治提升交通运输

行业重点实验室，山东 

济南 

250002；3.

宁波杉工智能安全科技股份有限公司，浙江 

宁波 

315153）

摘要：

基于改进的聚类网络算法

，

结合有限元模型的

影响线法计算荷载与桥梁响应的关系

，

并以济南第二

黄河公路大桥结构安全监测系统数据为基础

，

训练聚

类模型

，

确定聚类异常阈值

，

从而建立桥梁健康监测

的数据挖掘模型

。

关键词：

数据挖掘

；

聚类算法

；

有限元模型

；

健康监测

中图分类号：

TP312     

文献标识码：

A 

Data mining model of health 

monitoring system based on improved 

clustering algorithms

MA Nai

-

xuan

1,2

,XU Chuan

-

chang

1,2

,SUN Wen

-

rui

3

（1

.Shandong Hi-Speed Engineering Testing Co.,Ltd ,Shandong 

Jinan 

250002

 China; 

2

. Key Laboratory for Bridge Structure Big Data, 

Performance Diagnosis and Treatment Improvement of Transportation 

Industry

，

Shandong Jinan 

250002

 China;

3

.Ningbo Shangong Intelligent 

Security Technology Co., Ltd, Zhejiang Ningbo 

315153

 China

）

Abstract:

This paper combine the influence line method 

of 

finite 

element 

model 

to 

calculate 

the 

relationship 

between load and bridge response , and based on the 

data of the structural safety monitoring system of jinan 

Yellow River No.2 highway bridge, the clustering model 

is trained to determine the clustering anomaly threshold, 

so as to establish the data mining model of bridge health 

monitoring.

Key words:

data mining；clustering algorithm；element 

model；health monitoring 

收稿日期

： 

2019

—

03

—

28

作者简介：

马乃轩

（

1991

—），

男

，

山东济南人

，

硕士

研究生

，

助理工程师

。

引言

在桥梁健康监测过程中，由于监测时间一般较

长，传感器的种类和数量较多。监测系统将产生海

量的数据，这些数据通常可能包含大量有价值的信

息。如果仅仅通过可视化的方法对当前的数据进行

处理会浪费很多的数据资源。借助数据挖掘理论可

从积累的海量历史数据中发现某些关联规律，并且

可利用发现的这些规律来评判桥梁健康监测系统所

采集到的数据质量。

在现代的各种科学领域中，常用的聚类分析方

法有：基于层次的聚类方法

［1-2］

、基于网格和密度

的聚类方法、划分式聚类算法、图论算法和基于模

型的聚类算法。本文用到的聚类分析方法为基于模

型的聚类算法，在桥梁健康监测系统中含有大量的

数据，所以对数据挖掘算法的要求也是比较高的，

要求聚类算法必须要具有较高的计算效率以及较好

的精度。

在建立数据挖掘模型的过程中，首先对所使用

的训练数据样本进行一定程度的预处理，并对算法

进行训练。然后借助于结构的有限元分析模型确定

挖掘模型识别异常数据的理论阈值。

以济南第二黄河公路大桥结构安全监测系统为

例，基于监测系统数据，进行车辆荷载作用下数据

挖掘模型的建立与研究，为后续的海量数据挖掘提

供基础数据。

1 

C-Kohonen

聚类算法

1.1 

基本概念

Kohonen

聚

类

网

络

［3］

由

芬

兰

学

者

Kohonen

于

1981

年根据生物学和脑科学研究结论提出。Kohonen

聚类网络的学习训练就是调整网络权重的过程。

Kohonen

聚类网络仅由两层组成，

即输入层和输出层。

输入层与输出层之间两两互相连接，每个输入层的

神经元都在输出层有相应的映射，所以这种算法也

称为自组织映射模型（SOM）。Kohonen