应用贝叶斯结构健康监测：倾斜仪数据异常检测与预测

倾斜仪探头是用于测量土方边坡内部变形的装置。本文展示了一种将贝叶斯技术应用于真实世界倾斜仪数据的新颖应用，同时提供异常检测与预测功能。具体而言，本文详细分析了从全英国铁路网络收集的倾斜仪数据。从业者在处理监测数据时实际有两个目标：一是识别任何异常或危险位移，二是通过预测潜在未来不利情景。在本文中，我们通过对倾斜仪数据实施贝叶斯方法的不确定性量化（UQ）技术来进行异常检测与预测。随后，可通过量化和评估相应不确定性来最小化成本与风险。该框架可进而作为增强决策与风险分析的使能工具。我们表明倾斜仪数据可由源自测量的潜自相关马尔可夫过程描述，其可用作非线性贝叶斯滤波器的转移模型，从而允许系统状态预测。该习得的潜模型亦允许异常检测：远离期望值的观测可视为具有“高惊奇度”，即相对于习得的潜模型所表示的模型编码具有 high information content。我们成功地将预测与异常检测技术以计算高效的方式应用于大型真实数据集。尽管本文专门研究倾斜仪，这些技术广泛适用于工程 UQ 与结构健康监测（SHM）的所有领域。