本发明公开了一种基于云证据推理的板梁桥安全预警方法及装置，涉及桥梁结构安全评估与预测预警技术领域，该方法包括选取用于反映桥梁安全状态的评价指标；建立用于评估评价指标安全等级的报警体系；采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度；基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果；基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表；采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，实现桥梁安全预警。本发明能够实现对板梁桥的有效安全评估。
1.一种基于云证据推理的板梁桥安全预警方法，其特征在于，具体包括以下步骤：根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标；
根据桥梁性能由高至低的原则，建立用于评估评价指标安全等级的报警体系，所述安全等级包括报警线等级和状态等级；
采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度；
基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果；
基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表；
采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，实现桥梁安全预警；
其中，所述基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表，具体步骤包括：基于桥梁评估结果将设定区域范围内桥梁的评价指标和安全等级以决策表的形式表示：S=(U，A，V，f)
其中，S表示决策表，U表示决策表中的行，代表样本集合，即设定区域范围内的板梁桥，A表示决策表中的列，划分为条件属性C和决策属性D，且C∪D=A，C∩D≠∅，条件属性C表示评价指标，决策属性D表示安全等级，V表示属性值的集合，f表示信息函数，即U×A→V，代表条件属性与决策属性之间的映射关系，为每个对象U的每个属性a赋予一个属性值，即a∈A，y∈U，f（y,a）∈V；
其中，所述报警线等级包括无警线、轻警线、中警线、重警线和巨警线；
当建立用于评估评价指标安全等级的报警体系之后，还包括：确定各评价指标的阈值，并按照黄金分割法的划分原则，对各评价指标进行报警线等级的划分；
其中，采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度，具体步骤包括：根据确定的评价指标的阈值，采用逆向云发生器算法生成每个评价指标的云参数，作为评价标准云模型；
针对每个评价指标，并根据调查得到的桥梁信息，计算样本的云参数；
将评价指标代入评价标准云模型，并应用正向云发生器，得到每座桥的每个评价指标对应于各安全等级的隶属度。
2.如权利要求1所述的一种基于云证据推理的板梁桥安全预警方法，其特征在于，所述根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标，具体步骤包括：对设定区域范围内的桥梁进行信息调查，并从结构参数、服役时间、交通流量、病害状况、监测数据和定检报告方面对桥梁信息进行汇总；
根据汇总的桥梁信息，从应力状况、超载状况、横向连接、巡检结果和服役时间维度选取用于反映桥梁安全状况的评价指标；
其中，所述评价指标包括应力阈值、报警测点数比例、设定时间内报警条数、应力峰值超阈值比例、横向分布系数最大值、横向报警比例、设定长度内病害数量和桥龄。
3.如权利要求1所述的一种基于云证据推理的板梁桥安全预警方法，其特征在于，所述计算样本的云参数，具体为：进行云参数中期望的计算：
其中，Ex表示期望，En表示熵，He表示超熵，Cmin表示某个评价指标对应于某个报警线等级内的区间最小值，Cmax表示某个评价指标对应于某个报警线等级内的区间最大值，xi表示设定区域范围内第i座桥梁对应于报警线等级内的评价指标，m表示设定区域范围内桥梁的总数， 表示设定区域范围内所有桥梁对应于某个报警线等级的样本均值，S表示设定区域范围内所有桥梁对应于某个报警线等级的样本方差；
所述得到每座桥的每个评价指标对应于各安全等级的隶属度，其中，隶属度的计算步骤为：以En为期望，He为方差，生成随机数En1；
计算随机数 对应的隶属度 ，形成一个云滴(x, CT(x))；
其中，CT(x)表示评价指标对应于某个安全等级的隶属度。
4.如权利要求1所述的一种基于云证据推理的板梁桥安全预警方法，其特征在于，所述基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果，具体步骤包括：将评价指标视为证据，安全等级视为焦元，评价指标与安全等级间的隶属度视为基本概率指派，利用证据理论中的Dempster合成规则进行融合，融合方式为：其中，m1(M)m2(N)中的m1()m2()表示待融合的2个评价指标，M和N表示焦元，L表示焦元M与焦元N的交集，m1(M)表示待融合的2个评价指标中，其中一个评价指标对应焦元M的基本概率指派，m2(N)表示待融合的2个评价指标中，另一个评价指标对应焦元M的基本概率指派，K表示待融合的2个评价指标间的冲突程度，m(L)表示融合结果；
将所有评价指标融合设定次数后，得到桥梁的评估结果。
5.如权利要求1所述的一种基于云证据推理的板梁桥安全预警方法，其特征在于，所述采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，具体步骤包括：基于表示得到的决策表，对数据进行离散化处理，利用粗糙集理论挖掘安全等级对各个评估指标的依赖度，判断得到贡献更大的评估指标，其中，安全等级对评估指标的依赖度的计算方式为：其中， 表示安全等级D对评价指标Cj的依赖度，POS(Cj,D)表示安全等级D相对评价指标Cj的正域；
在计算得到的依赖度 的基础上，计算每个评价指标相对于安全等级的重要程度，具体为：其中，Sig(cj,C,D)表示评价指标相对于安全等级的重要程度， 表示从评价指标集合C中删掉评价指标cj后，安全等级对评价指标集合的依赖度的变化，以此来表示评价指标cj的重要度；
将每个评价指标的重要程度按照从小到大进行排序，然后依次选取决策表中相应评价指标所在的列，若决策表的分类能力不变，则表明当前评价指标可以删除，反之则表明当前评价指标不可删除，从而得到精简决策表；
选择得到的精简决策表以析出化简规则，所述化简规则为当评价指标cj划分的等价集与安全等级划分的等价集完全相同时，评价指标cj达到某个取值时会指向某个安全等级。
6.如权利要求5所述的一种基于云证据推理的板梁桥安全预警方法，其特征在于，所述实现桥梁安全预警，具体为：基于化简规则中的评价指标，若得到的安全等级为一级或二级，表明桥梁处于安全状态，无需采集其他评价指标数据；
基于化简规则中的评价指标，若得到的安全等级为三级，表明桥梁有可能存在安全隐患，则做出中警预报，并制定桥梁近期内的监测、巡检方案，以进一步评判桥梁的安全状态；
基于化简规则中的评价指标，若得到的安全等级为四级或五级，表明桥梁有可能濒临危险，则立即做出重警或巨警警报并采取相应的交通管制，展开桥梁专项检查，采集其他评价指标数据，进行综合评定，为桥梁的维修决策作参考。
7.一种基于云证据推理的板梁桥安全预警装置，其特征在于，包括：选取模块，其用于根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标；
建立模块，其用于根据桥梁性能由高至低的原则，建立用于评估评价指标安全等级的报警体系，所述安全等级包括报警线等级和状态等级；
描述模块，其用于采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度；
融和模块，其用于基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果；
构建模块，其用于基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表；
预警模块，其用于采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，实现桥梁安全预警；
其中，所述基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表，具体步骤包括：基于桥梁评估结果将设定区域范围内桥梁的评价指标和安全等级以决策表的形式表示：S=(U，A，V，f)
其中，S表示决策表，U表示决策表中的行，代表样本集合，即设定区域范围内的板梁桥，A表示决策表中的列，划分为条件属性C和决策属性D，且C∪D=A，C∩D≠∅，条件属性C表示评价指标，决策属性D表示安全等级，V表示属性值的集合，f表示信息函数，即U×A→V，代表条件属性与决策属性之间的映射关系，为每个对象U的每个属性a赋予一个属性值，即a∈A，y∈U，f（y,a）∈V；
其中，所述报警线等级包括无警线、轻警线、中警线、重警线和巨警线；
当建立用于评估评价指标安全等级的报警体系之后，还包括：确定各评价指标的阈值，并按照黄金分割法的划分原则，对各评价指标进行报警线等级的划分；
其中，采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度，具体步骤包括：根据确定的评价指标的阈值，采用逆向云发生器算法生成每个评价指标的云参数，作为评价标准云模型；
针对每个评价指标，并根据调查得到的桥梁信息，计算样本的云参数；
将评价指标代入评价标准云模型，并应用正向云发生器，得到每座桥的每个评价指标对应于各安全等级的隶属度。
一种基于云证据推理的板梁桥安全预警方法及装置
技术领域
[0001] 本发明涉及桥梁结构安全评估与预测预警技术领域，具体涉及一种基于云证据推理的板梁桥安全预警方法及装置。
背景技术
[0002] 板梁桥作为一种常规桥梁结构，其数量多、分布范围广，遍及高速公路、城市高架、跨越江河湖泊等，通常承担较大的交通压力，桥上超载情况也较其他桥型更为严重。在道路交通中，板梁桥已被广泛采用，服役时间久，且桥梁等级一般较低，缺乏足够的管养重视，其病害情况更为严重。与此同时，板梁桥多为标准化设计，桥型构造相似，同区域内分布的板梁桥数量众多，桥梁间的安全状态评估方法具有很强的泛化性。因此，有必要对区域内板梁桥建立统一的安全评估体系，并且利用少量指标组合对板梁桥进行快速安全预警。
[0003] 目前，桥梁管养部门一般采用扣分法对板梁桥进行安全评估，对选取的每个指标进行逐项扣分的方式综合得到桥梁最终的得分值，打分的过程需要根据经验对桥梁的监测和检测结果进行评估，不可避免的含有主观性和不确定性。而且，桥梁的得分需要待全部指标检测后，进行事后评估，难以实现快速预警。基于时间序列分析的安全预警模型，如自回归平均移动模型（ARIMA）、灰色系统预测模型（GM），需要根据桥梁前几年的状态数据，建立时间序列模型进行预判，而外界环境、交通量等因素变化大且无可遵循的趋势，因此这种预测方法的准确性难以保证，实际应用性不强。可见，当前缺乏有效的板梁桥安全评估方法。
发明内容
[0004] 针对现有技术中存在的缺陷，本发明的目的在于提供一种基于云证据推理的板梁桥安全预警方法及装置，能够实现对板梁桥的有效安全评估。
[0005] 为达到以上目的，本发明提供的一种基于云证据推理的板梁桥安全预警方法，具体包括以下步骤：
[0006] 根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标；
[0007] 根据桥梁性能由高至低的原则，建立用于评估评价指标安全等级的报警体系，所述安全等级包括报警线等级和状态等级；
[0008] 采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度；
[0009] 基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果；
[0010] 基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表；
[0011] 采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，实现桥梁安全预警。
[0012] 在上述技术方案的基础上，所述根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标，具体步骤包括：
[0013] 对设定区域范围内的桥梁进行信息调查，并从结构参数、服役时间、交通流量、病害状况、监测数据和定检报告方面对桥梁信息进行汇总；
[0014] 根据汇总的桥梁信息，从应力状况、超载状况、横向连接、巡检结果和服役时间维度选取用于反映桥梁安全状况的评价指标；
[0015] 其中，所述评价指标包括应力阈值、报警测点数比例、设定时间内报警条数、应力峰值超阈值比例、横向分布系数最大值、横向报警比例、设定长度内病害数量和桥龄。
[0016] 在上述技术方案的基础上，
[0017] 所述报警线等级包括无警线、轻警线、中警线、重警线和巨警线；
[0018] 所述状态等级包括无警、轻警、中警、重警和巨警；
[0019] 当建立用于评估评价指标安全等级的报警体系之后，还包括：
[0020] 确定各评价指标的阈值，并按照黄金分割法的划分原则，对各评价指标进行报警线等级的划分。
[0021] 在上述技术方案的基础上，所述采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度，具体步骤包括：
[0022] 根据确定的评价指标的阈值，采用逆向云发生器算法生成每个评价指标的云参数，作为评价标准云模型；
[0023] 针对每个评价指标，并根据调查得到的桥梁信息，计算样本的云参数；
[0024] 将评价指标代入评价标准云模型，并应用正向云发生器，得到每座桥的每个评价指标对应于各安全等级的隶属度。
[0025] 在上述技术方案的基础上，
[0026] 所述计算样本的云参数，具体为：
[0027] 进行云参数中期望的计算：
[0028] 对于区间数据，计算方式为： ；
[0029] 对于离散数据，计算方式为： ；
[0030] 进行云参数中熵的计算：
[0031] 对于区间数据，计算方式为： ；
[0032] 对于离散数据，计算方式为： ；
[0033] 进行云参数中超熵的计算：
[0034] 对于区间数据，计算方式为： ；
[0035] 对于离散数据，计算方式为： ；
[0036] 其中，Ex表示期望，En表示熵，He表示超熵，Cmin表示某个评价指标对应于某个报警线等级内的区间最小值，Cmax表示某个评价指标对应于某个报警线等级内的区间最大值，xi表示设定区域范围内第i座桥梁对应于报警线等级内的评价指标，m表示设定区域范围内桥梁的总数， 表示设定区域范围内所有桥梁对应于某个报警线等级的样本均值，S表示设定区域范围内所有桥梁对应于某个报警线等级的样本方差；
[0037] 所述得到每座桥的每个评价指标对应于各安全等级的隶属度，其中，隶属度的计算步骤为：
[0038] 以En为期望，He为方差，生成随机数En1；
[0039] 以Ex为期望，En1为方差，生成随机数x；
[0040] 计算随机数x对应的隶属度 ，形成一个云滴(x,CT(x))；
[0041] 其中，CT(x)表示评价指标对应于某个安全等级的隶属度。
[0042] 在上述技术方案的基础上，所述基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果，具体步骤包括：
[0043] 将评价指标视为证据，安全等级视为焦元，评价指标与安全等级间的隶属度视为基本概率指派，利用证据理论中的Dempster合成规则进行融合，融合方式为：
[0044] ，
[0045] 其中，m1(M)m2(N)中的m1()m2()表示待融合的2个评价指标，M和N表示焦元，L表示焦元M与焦元N的交集，m1(M)表示待融合的2个评价指标中，其中一个评价指标对应焦元M的基本概率指派，m2(N)表示待融合的2个评价指标中，另一个评价指标对应焦元M的基本概率指派，K表示待融合的2个评价指标间的冲突程度，m(L)表示融合结果；
[0046] 将所有评价指标融合设定次数后，得到桥梁的评估结果。
[0047] 在上述技术方案的基础上，所述基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表，具体步骤包括：
[0048] 基于桥梁评估结果将设定区域范围内桥梁的评价指标和安全等级以决策表的形式表示：
[0049] S=(U，A，V，f )
[0050] 其中，S表示决策表，U表示决策表中的行，代表样本集合，即设定区域范围内的板梁桥，A表示决策表中的列，划分为条件属性C和决策属性D，且C∪D=A，C∩D≠∅，条件属性C表示评价指标，决策属性D表示安全等级，V表示属性值的集合，f表示信息函数，即U×A→V，代表条件属性与决策属性之间的映射关系，为每个对象U的每个属性a赋予一个属性值，即a∈A，y∈U，f（y,a）∈V。
[0051] 在上述技术方案的基础上，所述采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，具体步骤包括：
[0052] 基于表示得到的决策表，对数据进行离散化处理，利用粗糙集理论挖掘安全等级对各个评估指标的依赖度，判断得到贡献更大的评估指标，其中，安全等级对评估指标的依赖度的计算方式为：
[0053]
[0054] 其中， 表示安全等级D对评价指标Cj的依赖度，POS(Cj,D)表示安全等级D相对评价指标Cj的正域；
[0055] 在计算得到的依赖度 的基础上，计算每个评价指标相对于安全等级的重要程度，具体为：
[0056] 其中，Sig(cj,C,D)表示评价指标相对于安全等级的重要程度， 表示从评价指标集合C中删掉评价指标cj后，安全等
级对评价指标集合的依赖度的变化，以此来表示评价指标cj的重要度；
[0057] 将每个评价指标的重要程度按照从小到大进行排序，然后依次选取决策表中相应评价指标所在的列，若决策表的分类能力不变，则表明当前评价指标可以删除，反之则表明当前评价指标不可删除，从而得到精简决策表；
[0058] 选择得到的精简决策表以析出化简规则，所述化简规则为当评价指标cj划分的等价集与安全等级划分的等价集完全相同时，评价指标cj达到某个取值时会指向某个安全等级。
[0059] 在上述技术方案的基础上，所述实现桥梁安全预警，具体为：
[0060] 基于化简规则中的评价指标，若得到的安全等级为一级或二级，表明桥梁处于安全状态，无需采集其他评价指标数据；
[0061] 基于化简规则中的评价指标，若得到的安全等级为三级，表明桥梁有可能存在安全隐患，则做出中警预报，并制定桥梁近期内的监测、巡检方案，以进一步评判桥梁的安全状态；
[0062] 基于化简规则中的评价指标，若得到的安全等级为四级或五级，表明桥梁有可能濒临危险，则立即做出重警或巨警警报并采取相应的交通管制，展开桥梁专项检查，采集其他评价指标数据，进行综合评定，为桥梁的维修决策作参考。
[0063] 本发明提供的一种基于云证据推理的板梁桥安全预警装置，包括：
[0064] 选取模块，其用于根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标；
[0065] 建立模块，其用于根据桥梁性能由高至低的原则，建立用于评估评价指标安全等级的报警体系，所述安全等级包括报警线等级和状态等级；
[0066] 描述模块，其用于采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度；
[0067] 融和模块，其用于基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果；
[0068] 构建模块，其用于基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表；
[0069] 预警模块，其用于采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，实现桥梁安全预警。
[0070] 与现有技术相比，本发明的优点在于：利用云证据方法对板梁桥进行安全评估，并以此为数据基础，经过信息的抽取、提炼，析出预警规则，达到利用少量评估指标实现桥梁快速预警的目的，并对不同预警等级的桥梁制定相应的管养方案，本发明通过适用于不确定性数据的决策方法，提高了预警的准确性，在桥梁濒临危险时，能够快速预警，为维修养护争取更多的时间，避免安全事故的发生，在桥梁安全时，减少监测和检测指标，节约人力物力成本，具有较强的工程应用价值。
附图说明
[0071] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0072] 图1为本发明实施例中一种基于云证据推理的板梁桥安全预警装置的流程图；
[0073] 图2为基于云证据理论的安全评估示意图；
[0074] 图3为安全预警规则的析出过程示意图。
具体实施方式
[0075] 为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。
[0076] 本发明实施例提供一种基于云证据推理的板梁桥安全预警方法，在此基础上利用粗糙集挖掘桥梁评价指标与安全状态之间存在的隐含规律，从而推理得到桥梁濒临危险状态下的预警规则，为板梁桥集群管养提供决策支持。
[0077] 参见图1所示，本发明实施例提供的一种基于云证据推理的板梁桥安全预警方法，具体包括以下步骤：
[0078] S1：根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标；:
[0079] 本发明中，根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标，具体步骤包括：
[0080] S101：对设定区域范围内的桥梁进行信息调查，并从结构参数、服役时间、交通流量、病害状况、监测数据和定检报告方面对桥梁信息进行汇总；
[0081] S102：根据汇总的桥梁信息，从应力状况、超载状况、横向连接、巡检结果和服役时间维度选取用于反映桥梁安全状况的评价指标；
[0082] 评价指标的选取要遵循可统计、可量化的原则，据此确定的评价指标共有8个，依次为应力阈值、报警测点数比例、设定时间内报警条数、应力峰值超阈值比例、横向分布系数最大值、横向报警比例、设定长度内病害数量和桥龄，记作C1~C8。
[0083] S2：根据桥梁性能由高至低的原则，建立用于评估评价指标安全等级的报警体系，所述安全等级包括报警线等级和状态等级；
[0084] 本发明中，报警线等级包括无警线、轻警线、中警线、重警线和巨警线；状态等级包括无警、轻警、中警、重警和巨警。
[0085] 即建立安全等级为“五线五态” 的报警体系，“五线”分别为无警线、轻警线、中警线、重警线和巨警线，“五态”分别为等级Ⅰ、等级Ⅱ、等级Ⅲ、等级Ⅳ和等级Ⅴ，对应于无警、轻警、中警、重警和巨警。
[0086] 本发明中，当建立用于评估评价指标安全等级的报警体系之后，还包括：确定各评价指标的阈值，并按照黄金分割法的划分原则，对各评价指标进行报警线等级的划分。即通过计算分析、统计规律、规范规定等途径，确定各评价指标的阈值，并按照黄金分割法划分相应的报警线等级。对于报警线等级的划分原则，利用黄金分割法对《公路桥梁技术状况评定标准》和《城市桥梁养护技术规范》中的评分区间进行了优化。
[0087] 评价指标的各报警线等级的具体数值通过阈值来确定，阈值的确定考虑由多工况数值计算得到的理论变化区间，并结合规范中对不同构件、不同力学指标的设计限值，具体如下：
[0088] 对于评价指标中的应力阈值，相应报警线等级的阈值划分原则为：无警线取有限元计算中应力最小值，巨警线取C50混凝土抗拉强度标准值，重警线取C50抗拉强度设计值，中警线取0，即全预应力混凝土不受拉状态；
[0089] 对于评价指标中的报警测点数比例、应力峰值超阈值比例和横向分布系数最大值，相应报警线等级的阈值划分原则为：取比例系数100%作为限值；
[0090] 对于评价指标中的设定时间内报警条数（设定时间可以为一周），相应报警线等级的阈值划分原则为：根据桥梁监测点的统计结果，取平均每个测点一周内报警50次作为限值；
[0091] 对于评价指标中的横向分布系数最大值，相应报警线等级的阈值划分原则为：无警线取0，巨警线取0.5，中警线取横向分布系数设计值；
[0092] 对于评价指标中的设定长度内病害数量（设定长度可以为1米），相应报警线等级的阈值划分原则为：取每米病害数量2处作为限值；
[0093] 对于评价指标中的桥龄，相应报警线等级的阈值划分原则为：按规范中桥梁寿命期100年作为限值。
[0094] 根据上述确定的阈值，按照黄金分割法的划分原则，对每个评价指标进行报警线的划分。
[0095] S3：采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度；相邻安全等级之间不是“强分割”状态，而是采用云模型的过渡方式，利用云模型描述评价指标与安全等级之间的不确定程度，可以兼顾现场监测数据的随机性和检测打分的模糊性，通过两次云发生器算法，得到评估指标与各安全等级之间的隶属程度，作为后续多源指标融合的基础。
[0096] 本发明中，采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度，具体步骤包括：
[0097] S301：根据确定的评价指标的阈值，采用逆向云发生器算法生成每个评价指标的云参数，作为评价标准云模型；每个评价指标所对应的五个安全等级均由三个中间型云模型和一个上升云模型和一个下降云模型表示。
[0098] S302：针对每个评价指标，并根据调查得到的桥梁信息，计算样本的云参数；
[0099] 本发明中，计算样本的云参数，具体为：
[0100] 进行云参数中期望的计算：
[0101] 对于区间数据，计算方式为： ；
[0102] 对于离散数据，计算方式为： ；
[0103] 进行云参数中熵的计算：
[0104] 对于区间数据，计算方式为： ；
[0105] 对于离散数据，计算方式为： ；
[0106] 进行云参数中超熵的计算：
[0107] 对于区间数据，计算方式为： ；
[0108] 对于离散数据，计算方式为： ；
[0109] 其中，Ex表示期望，En表示熵，He表示超熵，Cmin表示某个评价指标对应于某个报警线等级内的区间最小值，Cmax表示某个评价指标对应于某个报警线等级内的区间最大值，xi表示设定区域范围内第i座桥梁对应于报警线等级内的评价指标，m表示设定区域范围内桥梁的总数， 表示设定区域范围内所有桥梁对应于某个报警线等级的样本均值，S表示设定区域范围内所有桥梁对应于某个报警线等级的样本方差；
[0110] S303：将评价指标代入评价标准云模型，并应用正向云发生器，得到每座桥的每个评价指标对应于各安全等级的隶属度。
[0111] 本发明中，得到每座桥的每个评价指标对应于各安全等级的隶属度，其中，隶属度的计算步骤为：
[0112] 以En为期望，He为方差，生成随机数En1；
[0113] 以Ex为期望，En1为方差，生成随机数x；
[0114] 计算随机数x对应的隶属度 ，形成一个云滴(x,CT(x))，以此重复，直至生成n个云滴；
[0115] 其中，CT(x)表示评价指标对应于某个安全等级的隶属度。
[0116] S4：基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果；桥梁的8个评价指标所倾向的安全状态通常是不一致的，如果仅凭单一评价指标得出结论往往会造成误判，应用证据理论对各评价指标的隶属度函数进行多源融合，提高评估结果的准确性，降低系统的不确定性，从而得到桥梁的综合安全等级。
[0117] 本发明中，基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果，具体步骤包括：
[0118] S401：将评价指标视为证据（即将桥梁的8个评价指标视为证据），安全等级视为焦元（即将桥梁的5个安全等级视为焦元），评价指标与安全等级间的隶属度视为基本概率指派，利用证据理论中的Dempster合成规则进行融合，融合方式为：
[0119] ，
[0120] 其中，m1(M)m2(N)中的m1()m2()表示待融合的2个评价指标，M和N表示焦元，L表示焦元M与焦元N的交集，m1(M)表示待融合的2个评价指标中，其中一个评价指标对应焦元M的基本概率指派，m2(N)表示待融合的2个评价指标中，另一个评价指标对应焦元M的基本概率指派，K表示待融合的2个评价指标间的冲突程度，m(L)表示融合结果；
[0121] 由于存在8个评价指标，故需要利用上式融合7次。
[0122] S402：将所有评价指标融合设定次数后，得到桥梁的评估结果。
[0123] 评估结果的信度值将随着融合次数的迭代明显增大，信度区间范围和不确定性逐渐减小，将8个评价指标融合7次后，具有明显优势的安全等级确定为桥梁最终的评估结果。参见图2所示，为基于云证据理论的安全评估示意图。
[0124] S5：基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表；
[0125] 本发明中，基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表，具体步骤包括：
[0126] 基于桥梁评估结果将设定区域范围内桥梁的评价指标和安全等级以决策表的形式表示：
[0127] S=(U，A，V，f )
[0128] 其中，S表示决策表，U表示决策表中的行，代表样本集合，即设定区域范围内的板梁桥，A表示决策表中的列，划分为条件属性C和决策属性D，且C∪D=A，C∩D≠∅，条件属性C表示评价指标，决策属性D表示安全等级，V表示属性值的集合，f表示信息函数，即U×A→V，代表条件属性与决策属性之间的映射关系，为每个对象U的每个属性a赋予一个属性值，即a∈A，y∈U，f（y,a）∈V。
[0129] S6：采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，实现桥梁安全预警。
[0130] 利用粗糙集理论去掉贡献度低的评价指标，得到基于少量评价指标的精简决策表，进一步析出化简规则，为桥梁的安全预警做准备。
[0131] 本发明中，采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，具体步骤包括：
[0132] S401：基于表示得到的决策表，对数据进行离散化处理，利用粗糙集理论挖掘安全等级对各个评估指标的依赖度，判断得到贡献更大的评估指标，从而进一步探究不同条件属性间的依赖度关系，构建相应的依赖关系图谱，深入挖掘监测数据与巡检病害之间的隐藏关联。其中，安全等级对评估指标的依赖度的计算方式为：
[0133]
[0134] 其中， 表示安全等级D对评价指标Cj的依赖度，POS(Cj,D)表示安全等级D相对评价指标Cj的正域，也就是安全等级D相对评价指标Cj的下近似，表示等价集中的元素X都属于D，即 ，则X一定属于D， 表示下近似集，即
[0135] 其中， ，当 =0，D完全独立于Cj，即评价指标Cj对桥梁的安全状态完全不产生影响；当 ，D粗糙依赖于Cj；当 =1，桥梁的安全等级D
完全依赖于评价指标Cj；
[0136] S402：在计算得到的依赖度 的基础上，计算每个评价指标相对于安全等级的重要程度，具体为：
[0137]
[0138] 其中，Sig(cj,C,D)表示评价指标相对于安全等级的重要程度，表示从评价指标集合C中删掉评价指标cj后，安全等级对评价指标集合的依赖度的变化，以此来表示评价指标cj的重要度；
[0139] S403：将每个评价指标的重要程度按照从小到大进行排序，然后依次选取决策表中相应评价指标所在的列，若决策表的分类能力不变，则表明当前评价指标可以删除，反之则表明当前评价指标不可删除，对所有评价指标重复该操作直至得到最终的约简集 ，从而得到精简决策表 ，由于约简集通常并不唯一，同样也会对应多个约简后的决策表。
[0140] S404：选择得到的精简决策表（约简后的剩余评价指标数量为2‑3个），据此可析出化简规则，化简规则为，当评价指标cj划分的等价集与安全等级Dk划分的等价集完全相同时，评价指标cj达到某个取值时会指向某个安全等级，该规则表示为： ，将所有析出的化简规则进行归纳，可形成桥梁的安全预警规则。参见图3所示，为安全预警规则的析出过程示意图。
[0141] 通过上述步骤中析出的化简规则，对设定区域范围内板梁桥进行后续评估时，可以基于少量评价指标，特别是易采集的评价指标，即可达到快速预警的效果。即实现桥梁安全预警，具体为：
[0142] 基于化简规则中的评价指标，如果得到的安全等级为一级或二级，表明桥梁处于安全状态，无需采集其他评价指标数据，并删除历史数据释放内存，仅将评估结果返回到平台；
[0143] 基于化简规则中的评价指标，如果得到的安全等级为三级，表明桥梁有可能存在安全隐患并做出中警预报，制定桥梁近期内的监测、巡检方案，进一步详细评判桥梁的安全状态；
[0144] 基于化简规则中的评价指标，如果得到的安全等级为四级或五级，表明桥梁有可能濒临危险，迅速做出重警或巨警警报并采取相应的交通管制，展开桥梁专项检查，采集其他指标数据，进行综合评定，为桥梁的维修决策作参考。
[0145] 本发明实施例的基于云证据推理的板梁桥安全预警方法，利用云证据方法对板梁桥进行安全评估，并以此为数据基础，经过信息的抽取、提炼，析出预警规则，达到利用少量评估指标实现桥梁快速预警的目的，并对不同预警等级的桥梁制定相应的管养方案，本发明通过适用于不确定性数据的决策方法，提高了预警的准确性，在桥梁濒临危险时，能够快速预警，为维修养护争取更多的时间，避免安全事故的发生，在桥梁安全时，减少监测和检测指标，节约人力物力成本，具有较强的工程应用价值。
[0146] 本发明实施例提供的一种基于云证据推理的板梁桥安全预警装置，包括选取模块、建立模块、描述模块、融和模块、构建模块和预警模块。
[0147] 选取模块用于根据对设定区域范围桥梁调查得到的桥梁信息，选取用于反映桥梁安全状态的评价指标；建立模块用于根据桥梁性能由高至低的原则，建立用于评估评价指标安全等级的报警体系，所述安全等级包括报警线等级和状态等级；描述模块用于采用云模型对评价指标和安全等级间的不确定程度进行描述，并基于云发生器算法得到评价指标与各安全等级间的隶属度；融和模块用于基于证据理论，对评价指标与安全等级间的隶属度进行多源融合，得到桥梁的评估结果；构建模块用于基于桥梁评估结果，将设定区域范围内桥梁的评价指标和安全等级构建为决策表；预警模块用于采用粗糙集理论去除贡献度低的评价指标，得到精简决策表，并基于精简决策表析出化简规则，实现桥梁安全预警。
[0148] 以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
[0149] 本发明是参照根据本发明实施例的方法、设备（系统）和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
