Page 27 - 统计创新与高质量发展

第二章 统计学在铁路工程领域的多元实践

性和承载能力。在桥梁施工过程中，对桥墩、桥台的尺寸进行精确测量，包括墩
台的高度、截面尺寸等。在隧道施工中，利用激光断面仪对隧道的开挖轮廓进行
测量，检查隧道的净空尺寸是否符合设计要求。对于已建成的桥梁和隧道，还需

要定期进行结构尺寸的复测，以监测结构在长期使用过程中的变形情况。
（二）数据预处理
1. 数据清洗
（1）错误数据处理

在实际数据采集过程中，由于各种原因，如传感器故障、信号干扰等，可能
会导致采集到的数据出现错误。以施工现场的温度传感器为例，若传感器受到电
磁干扰，可能会输出异常的温度值，如瞬间出现几百摄氏度的高温，这显然是不
符合实际情况的错误数据。通过编写特定的算法，设定合理的温度阈值范围，对

采集到的温度数据进行筛选，识别并剔除这些错误数据。
（2）重复数据处理
数据采集系统有时可能会因为程序漏洞或通信问题，导致部分数据重复采集。
例如，在对施工设备运行数据进行采集时，可能会出现某一时间段内的数据重复

记录的情况。对于这些重复数据，通过数据查重算法，直接进行删除，确保数据
的唯一性，避免因重复数据对后续数据分析造成干扰。
（3）缺失值处理
数据缺失也是常见的问题。例如，在原材料性能检测过程中，可能由于检测

设备故障，导致某一批次钢材的某项性能数据缺失。对于缺失值的处理，需要根
据数据的特点和分布情况选择合适的方法。如果数据整体分布较为均匀，且缺失
值较少，可以采用均值填充法，即计算该数据列其他非缺失值的平均值，用这个
平均值来填充缺失值。对于一些具有时间序列特征的数据，如施工过程中的环境

温度数据，若出现个别时间点的数据缺失，可以采用插值法，根据相邻时间点的
数据进行线性插值或其他合适的插值方法，来估计缺失值。
2. 数据标准化
（1）量纲统一

不同来源的数据往往具有不同的量纲。例如，在铁路工程施工中，施工设备
的功率数据可能以千瓦为单位，而转速数据则以转每分钟为单位。在进行数据分
析时，为了使这些数据具有可比性，需要将它们统一换算成标准单位。对于功率

19