1.一种大跨空间结构位移趋势预测方法,其特征在于,包括如下步骤:获取大跨空间结构的监测数据,对监测数据进行预处理,得到第一监测数据;
对所述第一监测数据进行特征提取,得到环境特征数据、荷载特征数据和结构特征数据;
预构建向量自回归预测模型,分别将所述环境特征数据、所述荷载特征数据和所述结构特征数据输入至所述向量自回归预测模型,以使所述向量自回归预测模型分别输出环境特征预测数据、荷载特征预测数据和结构特征预测数据;
构建多项式回归预测模型,将所述环境特征预测数据、所述荷载特征预测数据和所述结构特征预测数据输入至所述多项式回归预测模型,得到大跨空间结构位移趋势预测结果;上述步骤中,对所述第一监测数据进行特征提取,得到荷载特征数据,具体包括如下步骤:对所述第一监测数据进行特征提取,得到静态荷载数据、动态荷载数据和变动荷载数据;将所述静态荷载数据、所述动态荷载数据和所述变动荷载数据进行加权求和处理,得到荷载特征数据;
所述静态荷载为所有静态荷载的数据值
其中,
所述动态荷载数据为动态荷载的最大值
其中,
所述变动荷载数据为变动荷载在一定时间区间内的平均值,即时间平均荷载其中,
将所述静态荷载数据、所述动态荷载数据和所述变动荷载数据进行加权求和处理,得到荷载特征数据F:其中,
2.如权利要求1所述的一种大跨空间结构位移趋势预测方法,其特征在于,对所述第一监测数据进行特征提取,得到环境特征数据,具体包括如下步骤:对所述第一监测数据进行特征提取,得到温度数据、湿度数据、风速数据和大气压力数据;
将所述温度数据、所述湿度数据、所述风速数据和所述大气压力数据进行归一化处理,得到归一化温度数据、归一化湿度数据、归一化风速数据和归一化大气压力数据;
将所述归一化温度数据、所述归一化湿度数据、所述归一化风速数据和所述归一化大气压力数据进行数据融合处理,得到数据融合特征向量,并将所述数据融合特征向量作为环境特征数据。
3.如权利要求1所述的一种大跨空间结构位移趋势预测方法,其特征在于,对所述第一监测数据进行特征提取,得到结构特征数据,具体包括如下步骤:对所述第一监测数据进行特征提取,得到应变数据集;
对所述应变数据集进行方差计算,得到应变数据方差值;
对所述应变数据集进行均值计算,得到应变数据平均值;
对所述应变数据集提取极值,得到应变数据集极大值和应变数据集极小值;
将所述应变数据方差值、所述应变数据平均值、所述应变数据集极大值和所述应变数据集极小值构建特征向量,得到结构特征数据。
4.如权利要求1所述的一种大跨空间结构位移趋势预测方法,其特征在于,所述构建多项式回归预测模型采用以下公式:式中,Y是大跨空间结构的位移趋势预测结果,
5.如权利要求1所述的一种大跨空间结构位移趋势预测方法,其特征在于,所述得到大跨空间结构位移趋势预测结果的步骤之后,还包括:判断所述大跨空间结构位移趋势预测结果是否在预设位移范围内;
当所述大跨空间结构位移趋势预测结果在预设范围内时,基于所述大跨空间结构的位移趋势预测结果对大跨空间结构进行安全等级评估;
当所述大跨空间结构位移趋势预测结果不在预设范围内时,进行预警处理。
6.如权利要求1所述的一种大跨空间结构位移趋势预测方法,其特征在于,所述预构建向量自回归预测模型的步骤之前,还包括:获取大跨空间结构的历史特征数据集,所述历史特征数据集包括历史环境特征数据、历史荷载特征数据和历史结构特征数据;
将所述大跨空间结构的历史特征数据集进行归一化处理,得到大跨空间结构的归一化历史特征数据集;
将所述大跨空间结构的归一化历史特征数据集分为训练特征数据集和测试特征数据集;
基于所述训练特征数据集对所述向量自回归预测模型中进行训练,并基于所述测试特征数据集对所述向量自回归预测模型进行测试,直至所述向量自回归预测模型的预测准确性满足预设准确性阈值或达到预设次数时,停止对所述向量自回归预测模型进行测试。
7.一种大跨空间结构位移趋势预测系统,其特征在于,所述系统应用如权利要求1至权利要求6任一所述一种大跨空间结构位移趋势预测方法,所述系统包括:第一监测数据模块,用于获取当前大跨空间结构的监测数据,对监测数据进行预处理,得到第一监测数据;
特征提取模块,用于对所述第一监测数据进行特征提取,得到环境特征数据、荷载特征数据和结构特征数据;
特征预测数据模块,用于预构建向量自回归预测模型,分别将所述环境特征数据、所述荷载特征数据和所述结构特征数据输入至所述向量自回归预测模型,以使所述向量自回归预测模型分别输出环境特征预测数据、荷载特征预测数据和结构特征预测数据;
大跨空间结构位移趋势预测结果模块,用于构建多项式回归预测模型,将所述环境特征预测数据、所述荷载特征预测数据和所述结构特征预测数据输入至所述多项式回归预测模型,得到大跨空间结构位移趋势预测结果。