# qiaoliang

**Repository Path**: xiaopeng613/qiaoliang

## Basic Information

- **Project Name**: qiaoliang
- **Description**: 个人自用桥梁监测数据分析
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-15
- **Last Updated**: 2026-08-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 桥梁结构健康监测——异常值检测与3D可视化分析系统

> AI 创新应用专项技能竞赛 · 个人创意组 · 办公效能提升
> 武汉城投停车场投资建设管理有限公司 · 李志鹏

---

## 项目简介

各位评委好，这是我做的第二个项目——桥梁结构健康监测。

桥梁上安装了位移传感器，每天 24 小时采集 X、Y、Z 三个方向的位移数据。每个测点每分钟一条记录，一天下来就是上万条数据。

问题来了：

| 痛点 | 具体表现 |
|:---|:---|
| 数据量大 | 3 天 × 2 个测点 × 1440 分钟 = 上万条记录，人工根本看不过来 |
| 噪声多 | 传感器数据有高频抖动，直接看数字看不出趋势 |
| 看不出异常 | 哪个点在漂移？什么时候出现异常？靠人眼无法判断 |
| 缺乏空间感 | 位移是三维的，二维图表看不出测点在空间中是怎么移动的 |
| 缺乏专业解读 | 检测出异常后，需要工程师人工判断原因和严重程度 |

简单说：**有数据，但看不懂、读不透。**

---

## 系统功能

**把上万条传感器数据，变成一眼能看懂的 3D 动画，再让 AI 帮你读懂数据。**

### 五大功能

**第一，上传即分析。** 上传 Excel 文件，系统自动按测点分组、按时间排序。左侧滑块可以调整平滑窗口——比如 30 分钟均值——消除高频噪声，保留位移趋势。

**第二，四种异常值检测。** 系统内置四种统计方法交叉验证：

| 方法 | 原理 | 一句话解释 |
|:---|:---|:---|
| 3σ准则 | 超出均值±3倍标准差 | 经典统计方法，简单直接 |
| 肖维勒方法 | 根据样本量动态调整阈值 | 数据越多，阈值越严格 |
| Grubbs准则 | 逐个检测最极端值 | 专门找"最离谱"的那个点 |
| 箱形图法 | 基于四分位距 | 不受数据分布限制，最通用 |

**第三，3D 可视化。** 测点在 XYZ 三维空间中按时间顺序移动，半透明椭球体逐渐膨胀——代表位移范围包络。椭球体突然变大，说明桥梁可能出现了结构异常。鼠标可自由旋转、缩放、平移。

**第四，AI 智能分析。** 集成 MiMo v2.5 Pro 大模型：

| 功能 | 说明 |
|:---|:---|
| AI 异常诊断报告 | 自动生成包含具体测点、时间、位移值的专业诊断报告 |
| AI 趋势预测 | 基于多日数据预测未来 1-3 天的位移走势 |
| 智能问答 | 中文提问 → AI 生成 pandas 代码 → 返回结果 |

**第五，2D 图表。** 时序叠加图、箱形图、异常值散点图、热力图、方法对比图。

### 效果对比

| 维度 | 传统方式 | AI 赋能后 |
|:---|:---|:---|
| 数据处理 | 手动看 Excel 数字 | 上传即自动分析 |
| 异常检测 | 靠人眼看 | 四种方法自动交叉验证 |
| 空间可视化 | 二维图表 | 3D 交互式动画 |
| 分析报告 | 人工撰写 | AI 自动生成 |
| 数据查询 | 写 SQL/代码 | 中文自然语言提问 |

---

## AI 的三个角色

**开发伙伴：** Claude Code 是我的编程搭档。我不会 3D 编程，但我说"帮我做一个椭球体动画"，它就写出来了。1100+ 行代码，2 天完成。

**运行时分析引擎：** MiMo 大模型自动诊断异常、预测趋势、理解自然语言查询。

**认知放大器：** 传统统计方法能告诉你"这里有异常"，但为什么异常、严不严重、该怎么办——AI 把统计结果转化为可行动的专业建议。

> 用 AI 造工具，让工具会分析。

---

## 快速启动

### 方式一：Web 界面（推荐）

```bash
# 安装依赖
pip install -r requirements.txt

# 启动
streamlit run app.py
```

浏览器打开 http://localhost:8501，上传 `0609.xlsx`、`0610.xlsx`、`0611.xlsx` 即可分析。

### 方式二：HTML 离线演示（不需要安装任何依赖）

直接双击打开 `演示_桥梁监测分析.html`，即可查看完整分析结果（含交互式图表和 3D 可视化）。

### 方式三：AI 智能分析（需要 API Key）

```bash
# 设置 AI API Key
export AI_API_KEY="你的MiMo API Key"

# 启动
streamlit run app.py
```

进入「🤖 AI 智能分析」页面，使用异常诊断报告、趋势预测、智能问答功能。

---

## 项目文件

| 文件 | 说明 |
|:---|:---|
| `app.py` | Streamlit 主程序（数据上传、2D 分析、3D 可视化、异常检测、AI 分析） |
| `ai_analyzer.py` | AI 分析器（异常诊断报告、趋势预测、智能问答） |
| `requirements.txt` | Python 依赖清单 |
| `0609.xlsx` / `0610.xlsx` / `0611.xlsx` | 演示数据（3 天桥梁监测数据） |
| `演示_桥梁监测分析.html` | HTML 离线演示文件（双击打开） |

---

## 技术栈

| 组件 | 技术 |
|:---|:---|
| 语言 | Python 3.9+ |
| Web 框架 | Streamlit |
| 图表 | Plotly（交互式 2D/3D） + matplotlib |
| 数据处理 | pandas + NumPy + SciPy |
| AI 模型 | MiMo v2.5 Pro（OpenAI 兼容接口） |

---

## 推广价值

这个系统的框架不限于桥梁监测。**换个数据文件，同样的分析流程就能复用：**

- 建筑沉降监测——上传沉降数据，同样的异常检测和 3D 可视化
- 大坝变形监测——上传位移数据，同样的椭球体包络分析
- 任何有 XYZ 三维坐标的监测场景

核心的异常值检测算法、3D 可视化能力、AI 分析能力是通用的，不需要重新开发。

---

## 一句话总结

> **把上万条看不懂的传感器数据，变成一个会动的 3D 椭球体——再让 AI 帮你读懂它：哪里异常、为什么异常、该怎么办。**