🧩 特征分析 - PCA数据降维模型

城市生命线安全工程 多通道数据处理 特征压缩与提取 PCA 主成分分析 趋势监测与降维建模

📚 项目背景

在大型桥梁、隧道等城市生命线工程中，常部署多个温度传感器用于采集结构或环境温度数据。这些多通道数据往往呈现出高相关、高冗余等特征，直接使用可能导致建模效率低、解释性差。

本模块基于 主成分分析（PCA） 技术，能够对温度等高维数据进行有效压缩，将多个原始通道整合为少量综合特征，显著提升后续异常识别、特征聚类、建模效率与可视化清晰度，为智慧运维平台的温度趋势识别与特征分析提供强力支撑。

📌 模块简介

本模块为城市生命线安全工程监测平台桥梁专项的特征分析子模块：PCA数据降维模型，支持多通道温度、位移或挠度等高维数据的标准化处理、主成分提取、方差解释分析与趋势可视化，具备良好的通用性与平台可集成性。

项目 内容
模块名称 feature_analysis
核心函数 load_temperature, compute_pca, plot_scree, plot_combined, run_pipeline
作者 肖图刚
开发时间 2025‑06‑17
最后修改 2025‑06‑18（优化模块结构与 README 展示，增强平台集成能力）

🌟 功能描述

✅ 支持任意数量温度通道分析
✅ 自动归一化标准化，消除量纲影响
✅ 基于 sklearn 高效 PCA 分解：获取主成分 + 载荷矩阵
✅ 碎石图自动绘制：展示主成分解释力
✅ 合成主成分趋势图：与原始温度曲线对比展示
✅ 支持一键调用，自动保存图像结果

📂 输入数据说明

  • 文件格式：CSV 文件（推荐 UTF-8 编码）
  • 列结构：time | temp1 | temp2 | … | tempN
  • 时间列：自动识别时间戳（可为字符串）；若无时间列，则默认使用行号索引
  • 通道数量：建议 ≥ 4，降维优势明显
  • 数据完整性：缺失值需预处理（后续版本将支持自动插补）

⚙️ 运行环境与依赖

  • Python ≥ 3.9.16
  • 依赖库
    • numpy ≥ 2.0.2
    • pandas ≥ 2.2.3
    • matplotlib ≥ 3.9.4
    • scikit-learn ≥ 1.6.1

📝 模块兼容 Jupyter、命令行与平台集成运行环境

🛠️ 快速使用说明

📁 安装依赖：

pip install -r requirements.txt

📁 安装模块：

pip install -e .

✅ 运行示例：

python example.py

或在 Python 代码中调用：

"""Quick start example for pca_temp_analysis."""
from pathlib import Path
from feature_analysis import run_pipeline

DATA = "datasets/temp_10min.csv"
run_pipeline(DATA, out_dir="figures")

🔢 主要流程

  1. 数据读取与标准化 load_and_standardize
  2. 主成分提取分析 perform_pca
  3. 碎石图绘制 plot_scree_curve：展示前 30 阶主成分解释率
  4. 趋势图绘制 plot_pc_sum：展示前 3 个主成分与原始温度的合成对比
  5. 信息输出：控制台打印主成分解释率、保存图像至指定目录

💾 输出结果说明

类型 描述
图像 PNG 主成分分析的碎石图；原始数据&降维数据对比图
控制台输出 前 3 个主成分解释的总方差比例、主成分矩阵形状、原始通道数量
返回对象 pca, pcs, exp_var

终端输出：

前 3 个主成分解释的总方差比例: 99.66%
Plots saved to D:\pycode\lifeline_bridge_alert\py_modu\feature_analysis\figures

图例示例1（碎石图）：

主成分分析的碎石图

图例示例2（主成分趋势对比图）：

原始数据&降维数据对比

🔁 平台对接与后续优化建议

✅ 支持在线生命线平台的传感数据流分析与动态降维，可基于滑动时间窗对主成分演化趋势进行连续追踪，适应长期状态评估与异常监测需求；

✅ 支持多源异构数据集扩展，包括环境温度、湿度、风速、车流量等运营因素与结构响应信号（应变、位移、加速度）的联合降维与综合分析；

✅ 输出主成分贡献率与对应通道载荷（主成分载荷矩阵）；

✅ 集成异常突变检测机制，基于主成分序列构建结构响应的异常分数（如CUSUM/Bayesian Change Point Detection），对接报警模块，实现前端预警触发；

✅ 支持可交互式可视化平台（Streamlit / Dash）集成，实现参数配置、通道选择、图表交互及报告自动导出等功能；

✅ 引入神经网络等非线性降维策略，如自编码器（AutoEncoder）、t-SNE、UMAP 等，挖掘复杂非线性耦合关系；

✅ 支持相关性热力图与通道关联网络图生成，基于皮尔逊相关系数或互信息，展示通道间耦合特征，辅助聚类与冗余分析；

模块版本：v0.1.0 项目负责人：肖图刚 开发单位：城市生命线工程技术中心 返回首页