张 豪，张利莎

(浙江工业大学 土木工程学院，浙江 杭州 310023)

桥梁是交通运输的重要组成部分，是交通行业的关键节点。大型桥梁结构的复杂性引起了人们对桥梁运营安全性的重视。国外斜拉桥检测的研究主要集中于结构的新型检测方法，Ho等[1]介绍了基于图像检测的新型结构损伤检测理论，在实际工程中可以适用3 种索；Zonta等[2]通过将基于贝叶斯数据融合到传感器系统应用到实际工程中，研究表明该钢混叠合梁斜拉桥因索力松弛导致实际与设计出现较大偏差，需要对结构进行承载力评估。常用的预测分析方法有多种，如多元线性回归理论、灰色系统分析理论和神经网络分析理论等，但在实际工程中，引起结构变形的因素较复杂，难以用固定的模态表示出自变量与因变量之间的关系，且通用性较差。笔者采用的卡尔曼滤波预测理论具有强大精准的预测功能和通用性，被广泛应用在桥梁、大坝、基坑和地铁等土木领域的数据研究中。

卡尔曼滤波模型是一种动态的数据分析模型，利用一组状态方程和观测方程描述观测体系，并在观测过程中不断修正、迭代其预测值。奕瑞明[3]提出将Kalman滤波方法应用到形变监测数据处理中，导出多种形式的形变监测网的状态方程和观测方程；张福荣[4]较为系统地阐述了Kalman滤波的基本原理，并重点讨论和研究了利用方差补偿自适应Kalman滤波理论建立的监测数据处理理论、方法和模型；陈小杰等[5]通过建立卡尔曼滤波模型，对上海某历史建筑在基础托换期间的沉降监测数据进行滤波和预测，同时基于卡尔曼滤波数据进行多项式回归预测，与传统的多项式回归分析模型进行预测对比分析，取得了较好的结果。……