📉 趋势分析

城市生命线安全工程   监测数据趋势建模 SARIMA 时序预测 响应变化特征识别

📚 项目背景

在桥梁等城市生命线工程设施的长期运行过程中，传感器会持续采集关键结构或环境响应的时间序列数据。如何对这类数据的长期变化趋势进行有效建模与预测，是 省级监测平台中保障预判能力与辅助评估能力的核心功能之一 。

根据平台功能要求，趋势分析模块应具备以下两大能力：

  1. 预测未来一段时间内的正常波动范围 ，通过与实际监测数据对比，评估其是否处于安全状态，识别潜在异常波动；
  2. 提取时间序列特征变化趋势 ，包括长期趋势、周期变动、季节性波动及短期扰动，从而为巡检和维修提供支撑。

本模块基于 SARIMA（季节性自回归积分滑动平均）模型 ，可对 任意单变量监测数据进行趋势建模与 24 步（如 24 小时）滚动预测 ，输出包括预测区间、趋势曲线、置信带图像等关键结果，便于用户进行直观判断与趋势对比分析。

📌 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数据分析子模块：趋势分析 ，适用于各类连续型单变量监测数据（如应变、位移、温度等）的长期趋势识别与短期预测。

项目 内容
模块名称 trend_analysis
核心功能 SARIMA建模、24步趋势预测、预测区间绘图、历史对比分析
典型应用 桥梁主梁挠度趋势分析、支座位移趋势预测、应变数据安全评估等
作者 肖图刚
开发时间 2025‑06‑23
支持平台 省级城市生命线工程监测平台 / 地市级桥梁健康监测平台

🌟 功能描述

✅  趋势建模 ：采用 SARIMA 模型，支持周期性与趋势性成分

✅  24 步前向预测 ：例如 24 小时数据预测，贴合日常调度需求

✅  置信区间输出 ：展示 95% 预测区间，辅助安全范围评估

✅  趋势可视化 ：历史数据 + 拟合值 + 预测区间一图展示

✅  异常识别辅助 ：可用于比对预测区间与实测值，判定是否超出正常波动

✅  可扩展性强 ：支持修改预测步长、SARIMA 参数，适应不同任务

📂 输入数据说明

  • 格式 ：CSV 文件，包含以下字段：
  • time：时间戳列，推荐为 ISO 8601 格式（如 2024-06-01 08:00:00）
  • value：对应监测值
  • 频率要求 ：建议为 固定 1 小时间隔（或可重采样为 1 小时）
  • 缺失值处理 ：自动重采样并剔除缺失值
  • 样本长度 ：建议不少于一个月的连续数据（≥ 720 条）

⚙️ 运行环境与依赖

  • Python ≥ 3.9
  • 依赖库
库 版本要求
numpy ≥ 2.0.2
pandas ≥ 2.2.3
matplotlib ≥ 3.9.4
statsmodels ≥ 0.14.0

🛠️ 使用说明

安装依赖 

pip install -r requirements.txt

安装模块

pip install -e .

快速运行 

python trend_forecast.py

示例代码（example.py）

"""Minimal example for trend_analysis"""
from pathlib import Path
from trend_analysis import run_pipeline

csv_file = Path("datasets/def_1month.csv")
run_pipeline(csv_file)

默认设置将：

  • 从 datasets/def_1month.csv 读取 1 小时数据；
  • 拟合 SARIMA 模型，输出 24 步预测；
  • 自动绘图并保存至 figures/趋势分析与预测曲线.png；
  • 将预测结果保存至 output/24h预测值.csv

🔢 模块主要流程

  1. 加载数据 ：读取时间序列，进行 1 小时重采样
  2. SARIMA建模 ：默认配置为 (1,1,1) × (1,1,1,24)
  3. 趋势预测 ：输出未来 24 步预测均值与 95% 置信区间
  4. 图像绘制 ：一张图展示历史数据、预测均值及置信区间
  5. 结果导出 ：输出预测数据 CSV 与图像

📈 输出结果说明

类型 内容说明 示例文件
趋势图像 历史数据 + 预测均值 + 置信区间 figures/趋势分析与预测曲线.png
预测结果 CSV 含预测均值与置信区间 output/24h预测值.csv

图像示例：

  • 黑色线：最近一周历史数据
  • 蓝色线：未来 24 小时预测值
  • 浅蓝阴影：95% 置信区间

📊 示例输出

控制台输出： 

2025-06-23 16:58:36 [INFO] 图已保存至 D:\pycode\lifeline_bridge_alert\py_modu\trend_analysis\figures\趋势分析与预测曲线.png
2025-06-23 16:58:36 [INFO] 预测结果已保存至 D:\pycode\lifeline_bridge_alert\py_modu\trend_analysis\output\24h预测值.csv

 |   预测均值 |   下限 (95%) |   上限 (95%) |
|------------|--------------|--------------|
|    -15.234 |      -15.467 |      -15.001 |
|    -15.237 |      -15.693 |      -14.781 |
|    -15.204 |      -15.876 |      -14.531 |
|    -15.157 |      -16.034 |      -14.280 |
|    -15.117 |      -16.183 |      -14.050 |
|    -15.070 |      -16.311 |      -13.829 |
|    -15.041 |      -16.443 |      -13.638 |
|    -15.017 |      -16.569 |      -13.464 |
|    -15.008 |      -16.700 |      -13.315 |
|    -15.002 |      -16.826 |      -13.179 |
|    -15.005 |      -16.951 |      -13.058 |
|    -15.011 |      -17.075 |      -12.948 |
|    -15.019 |      -17.194 |      -12.845 |
|    -15.018 |      -17.298 |      -12.737 |
|    -15.034 |      -17.416 |      -12.653 |
|    -15.036 |      -17.515 |      -12.557 |
|    -15.044 |      -17.617 |      -12.472 |
|    -15.070 |      -17.733 |      -12.407 |
|    -15.124 |      -17.874 |      -12.373 |
|    -15.188 |      -18.023 |      -12.352 |
|    -15.308 |      -18.226 |      -12.391 |
|    -15.287 |      -18.285 |      -12.289 |
|    -15.246 |      -18.322 |      -12.170 |
|    -15.202 |      -18.354 |      -12.050 |

图表输出：

趋势分析与预测曲线

🔍 应用场景举例

  • 主梁下挠趋势持续下降 → 可提前发出维护预警
  • 位移或温度波动超出预测区间 → 可能存在结构性异常
  • 预测区间接近报警阈值 → 可用于预防性巡检与调度

💡 模块拓展建议

  1. 支持动态数据流：接入生命线平台提取的在线数据
  2. 增加多变量趋势建模 ：集成环境变量、车辆荷载等多源数据,同时支持位移、应变、裂缝、索力等结构监测数据
  3. 支持滑窗预测 ：形成每日更新的动态预测能力
  4. 集成 Streamlit 可视化 ：供平台前端选择传感器后自动分析
  5. 扩展异常评分 ：加入 Z 分数、残差等异常检测指标 返回首页