超长线状无线传感网络中多源时空数据驱动的信息颗粒度推理与表达研究

Aiming at the disaster cognition of shield tunnels, the research on multisource spatio-temporal data reduction --- information granularity reasoning --- information granularity expression is carried out. The main contents include: (1) Establish multisource spatio-temporal data fusion model, analyze characteristics of ultra-long linear wireless sensor networks, and study the multisource spatio-temporal data fusion method applied to the ultra-long linear shield tunnel. (2) By using Bayesian network and fuzzy set theory, the information granularity which can characterize the phenomenon is reasoned. Built the information granularity model based on qualitative description and quantitative representation. (3) the information granularity feature extraction based on class depth belief network is studied, and the information granularity visualization method is designed to realize characterization and visual expression of the information granularity. This project will form a reasoning and expression method of information granularity which autonomically characterize the phenomenon for the shield tunnel monitoring, and also provide a theoretical basis for the research and design of sensor data-driven knowledge reasoning mechanism in the field of structural monitoring.

针对盾构隧道灾害认知，通过多源时空数据精简---信息颗粒度推理---信息颗粒度表达来开展研究，主要研究内容包括：(1)建立多源时空数据融合模型，分析超长线状无线传感网络特征，研究适用于超长线状盾构隧道的多源时空数据融合方法；(2)利用贝叶斯网络和模糊集理论对可表征现象的信息颗粒度进行推理，建立基于定性描述和定量表示的信息颗粒度模型；(3)研究基于类深度信念网络的信息颗粒度特征提取，设计信息颗粒度可视化方法，实现信息颗粒度特征化及可视化表达。本项目将形成针对盾构隧道监测的可自主表征现象的信息颗粒度推理与表达方法，为结构监测领域传感器数据驱动知识推理机理研究及设计提供理论依据。

隧道基础设施的健康服役对于城市正常运转至关重要。当前，面向盾构隧道的数据驱动事件认知相关理论和技术的发展取得了显著成果，但依然存在海量混杂感知数据导致事件监测效率低，数据驱动的隧道灾害理解不够深，监测灾害现象自主表征难等问题。通过开展超长线状无线传感网络中多源时空数据驱动的信息颗粒度推理与表达研究，提高基于无线传感网络的盾构隧道灾害认知推理的准确性和自主性，对基础设施智能检测和灾害认知具有重要意义。. 本项目针对盾构隧道灾害认知，通过隧道传感网络数据行为模型研究--多源时空数据精简---信息颗粒度推理---信息颗粒度表达开展了研究。分析了超长线状无线传感网络结构特征，建立了超长线状传感网络的数据智能体行为模型和感知数据相关性模型；基于感知数据相关性，提出了超长线状无线传感网络中多源时空数据融合方法，降低了感知数据冗余度且提高了感知数据有效性，设计了基于超长线状非均匀分簇结构的数据融合树，进一步优化提出的数据融合方法，提高了数据融合算法在超长线状传感网络中的效率；定义了信息颗粒度概念，提出了信息颗粒度的定性描述和定量表示，构建了多源时空数据驱动的信息颗粒度，有效提取了盾构隧道监测中灾害特征；设计了基于信息颗粒度的信息自涌现机制，提出了基于深度信念网络的信息颗粒度优化，实现了信息颗粒度特征化及可视化表达，从而实现快速、直观、多尺度地隧道结构灾害现象表征。. 培养博士研究生3名（2名在读），硕士研究生8名（4名在读），完成SCI收录论文6篇，EI收录论文3篇，申请发明专利10项（其中已授权3项），为智能化结构监测系统的设计和应用提供理论依据和技术参考。