夜雨聆风1.监测数据分析的两种范式
数据分析有两个方向，modal-based和data-based。modal-based多指传统的数据分析方法，建立桥梁结构模型，基于实测数据与模型结合，然后通过结构模型来分析桥梁。data-based不建立桥梁结构模型，只针对数据进行数据建模，土木工程领域学者称后者为“数据驱动”。两类技术路线无法从理论上打通或者互相说服，从而只能用基准数据集去验证。基准数据集是指包含桥梁完好和桥梁有损伤两个状态的测试数据集，控制其他因素不变的条件下，来验证算法检出损伤的有效性。
我们推荐的数据分析算法软件属于modal-based类型的，由于数据驱动无法进行结构机理分析，无法从“理论”层面去论证其能力上下限度，只好采取笨招，实桥验证试验。
2.国内实桥验证试验
算法验证工作得到了北京市首都公路发展集团的大力支持，提供一座高速桥梁供我们做破坏性验证试验。
图1 桥梁现场图
试验结果显示，算法能够有效识别出损伤的存在并能够确定损伤位置。
图2-1状态特征分布
图2-2异常时间段
图2-3异常时间段内参数变化
3.国外Benchmark桥梁验证
我们找了一座国外Benchmark桥梁，利用其实测数据对算法进行了进一步验证，算法表现出了良好的稳定性和损伤检出的优异性。
图3-1 Benchmark桥梁
图3-2 加速度时程数据
图3-3 稳定状态分析结果
图3-4 异常时间段检出
3-5 异常时间段内参数变化
（损伤位置加速度变化幅度变小）
4.其他实桥数据分析
图3-6 桥梁算例
图3-6 桥梁算例
5.算法软件的用武之地
data-based算法软件能够对全域数据进行分析，也就是可以把所有监测数据从头到尾撸一遍，从中检测出异常时间段，从异常时间段中分析异常参数（确定位置）。Modal-based算法只能选择一段时间数据进行分析。桥梁监测数据的特点是绝大部分数据是正常的，只有极小比例时间内的数据需要引起高度关注，而传统分析方法能够选取到有意义时间段内数据的概率较小。
能够初步判定异常时间段产生的原因，同时能够判定是外部荷载冲击引起的异常还是结构本身引起的异常。结构本身异常才是值得关注的异常时间段。
能够建立每一座桥梁生命周期健康状态曲线，从而可以做到从众多桥梁中选出值得高度关注的桥梁。
Modal-based需要建立结构有限元模型，从执行的经济性上成本较高；data-based算法不需要建立结构模型，算法效率和经济性高。
本算法模型是应用人工智能大模型分析数据之前必经之阶段，直接将海量数据推给大模型是不可实现的。但是经过本算法遍历性分析，给出异常情况后就可以用大模型进行诊断和分析了。
6.与传统算法的协同
本软件算法跟各个业主单位自行开发的算法没有任何冲突，也无法相互替代。本软件算法可以成为业主自主开发算法的先遣性算法，利用本算法先把海量数据进行遍历性分析。
7.算法的经济效能
某省高速集团某个项目包安装了800余座中小跨径桥梁监测系统，主要监测跨中动挠度。原设计中只覆盖3片主梁，设计理念是仅仅看看跨中动挠度。如果基于本算法，要求所有主梁跨中动挠度监测全部覆盖，每座桥梁增加直接设备成本不到2000元，然后通过分析能够建立桥梁健康状态分析曲线，能够确定桥梁精准维修时间，其经济价值是巨大的。这就是数据分析理念不同而造成的系统设计结果的不同，从而经济效能差距巨大。
8.结束语
Data-based和Modal-based算法都要有，但是我们以验证试验和多座桥梁大数据分析结果，建议及早给员工提供Data-based工具，升级技术思维，切换到ai范式越早越好。
9.提醒语
Data-based和Modal-based属于不同的分析范式，从技术原理上争来争去意义不大，客观地来说首先应该回到客观数据，去用数据进行检验。是选择理论模型漂亮，实测数据效果差的算法，还是选择从机理上说不出道理但是实测有效的算法，那是不同客户的价值选择。
商务合作联系方式
李老师 13810278282
Jianshixueshe@163.com
2026年8月25日