据中国专利发布公告网显现，由哈尔滨工业大学申请专利的新发明“一种依据贝叶斯推理的轨迹交通监测数据清洗办法及体系”在近来发布。

  据悉，数据清洗是轨迹交通结构健康监测数据预处理很重要的内容之一。在轨迹交通结构健康监测实践使用中，常常会呈现因为安置的传感器毛病或许数据传输问题而导致监测数据中存在隐含过错信息的反常值。因为反常值的存在可能会导致过错的结构辨认成果，对结构的健康状况发生误判，严重影响轨迹结构健康监测体系的正常运营，因而需要对监测数据进行反常值的数据清洗。

  说明书介绍，轨迹交通监测数据量相对桥梁监测数据量较少，且每个时间采样点的数据都比较重要，反常数据清洗算法应尽量防止误除掉。考虑轨迹交通结构健康监测体系的独特性，现行其它结构健康监测中数据处理办法并不适用，因而亟需树立针对轨迹交通健康监测数据的数据清洗办法。

  据了解，本发明所提出的依据贝叶斯推理的轨迹交通监测数据清洗办法及体系，包含稀少贝叶斯极限学习机模型的练习、依据模型区分数据集完成反常概率的核算、反常值的迭代求解辨认等。在使用中，能够经过练习好的稀少贝叶斯极限学习机模型为基准，并经过核算数据点的猜测差错区分规则数据集和可疑数据集，然后核算可疑数据会集数据点的反常概率来更新数据集，终究不断迭代辨认反常值。

  该办法经过核算数据点的反常概率，能够做到量化数据点的反常程度，经过循环往复不断迭代然后到达数据清洗的意图，能够为轨迹交通结构健康监测范畴供给一种有用的数据预处理手法。