Shapelet 变换在地震、风与波浪数据时间序列分类中的应用

随着大量包括建筑、桥梁、塔架和海上平台在内的工程结构持续开展长期健康监测，利用时间序列分类从大型数据库中自主检测所需事件在土木工程中变得日益重要。在此背景下，本文提出应用一种相对较新的时间序列表示方法——“Shapelet 变换”，其基于时间序列子序列形状的局部相似性。考虑到地震、风与海洋工程中时间序列信号各自独有的属性，该变换的应用产生了一种新的基于形状的特征表示。将此基于形状的表示与标准机器学习算法相结合，提出了一种具有可理解特征和透明算法的真正“白盒”机器学习模型。该模型在无需领域从业者干预的情况下自动完成事件检测，形成了实用的事件检测流程。所提基于 shapelet 变换的自主检测流程的有效性通过多个实例得以展示：从连续记录的地面运动测量中识别已知与未知地震事件；从地面运动速度时程中检测脉冲以区分近场与远场地面运动；从连续风速测量中识别雷暴；从桥梁监测数据中检测大风引起的振幅振动；以及识别对海上结构有显著影响的卷破波。