基于多模态特征融合的多桥监测数据异常识别方法及系统

本发明公开了基于多模态特征融合的多桥监测数据异常识别方法及系统，涉及数据异常识别领域，包括以下步骤：一、收集多个桥梁的SHM时序数据，进行归一化处理和分割；二、将归一化后的时序数据可视化，同时提取数据中的统计特征，并对图像与统计特征进行人工标记标签，构建数据集；三、基于灰度图像和统计特征的输入建立多模态卷积神经网络模型，使用来自多个桥梁的数据集，将灰度图像与对应的统计特征同时输入网络模型进行训练，四、使用训练好的卷积神经网络模型对目标桥梁SHM数据进行异常识别。实现对桥梁SHM数据异常的自动识别，并在桥梁监测数据集的类别不平衡和数据量有限的情况下提高异常数据的识别精度，为桥梁运营状态评估与预警提供依据。