A alta frequência de amostragem dos sistemas de monitoramento da saúde estrutural de rodovias traz um grande ônus para o armazenamento de dados. No entanto, as abordagens existentes de identificação de resposta dinâmica podem garantir ou a redução do volume de dados após a identificação ou alta precisão na identificação da resposta dinâmica. Motivados por isso, propomos um método de identificação de resposta dinâmica em tempo real para filtrar dados sem significado. Nosso método não apenas seleciona características efetivas dos dados de monitoramento de saúde estrutural de rodovias, mas também projeta uma estratégia de geração de dados de treinamento para modelos de aprendizado de máquina dentro do quadro de identificação de resposta dinâmica. Resultados experimentais com dados reais de monitoramento da saúde estrutural de rodovias demonstram que nossa abordagem proposta leva 0,4 ms para processar os dados de monitoramento gerados em 1 s e economiza cerca de 91,63% do espaço de armazenamento. Além disso, o valor de recall do nosso método atinge em média 0,91.
Qi et al. (Qui,) estudaram essa questão.