1.一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，包括如下步骤：

(1)通过桥梁监测系统获取正常负荷工况下的环境数据、结构响应数据和异测点的若干个时间周期的桥梁监测时间序列数据，包括进行相似性度量的参考桥梁监测时间序列数据S和比较桥梁监测时间序列数据S′，对所得的桥梁监测时间序列数据进行预处理，同时对预处理后的桥梁监测时间序列数据按照时间周期进行分段，并计算每个时间周期单元内直线段的斜率；

(2)进行趋势判断，通过判断参考桥梁监测时间序列数据S和比较桥梁监测时间序列数据S′的每一段斜率的正负是否相同，将每一段桥梁监测时间序列数据划分同向型和异向型两类；

(3)进行相似程度判断，计算参考桥梁监测时间序列数据S和比较桥梁监测时间序列数据S′的两直线段之间角度差值，与数据样本的最大角度差值比较，进行相似程度比较分析；

(4)依据趋势判断与计算相似程度判断结果，分别考量每个时间周期单元内桥梁监测时间序列数据的相似性程度，并将两个结果乘积作为模式区分距离；

(5)根据基于模式区分距离的高维数据相似性度量函数进行桥梁监测时间序列数据相似性度量。

2.根据权利要求1所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，通过桥梁监测系统获取正常负荷工况下的桥梁监测时间序列数据，并定义桥梁监测时间序列数据为Y，如下式：Y＝{(y1,T1),(y2,T2),(y3,T3),...,(yi,Ti)}

式中：yi为第i个时间周期Ti内的桥梁监测时间序列数据的数值。

3.根据权利要求2所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，步骤(1)所述桥梁监测时间序列数据进行预处理，包括：对数据进行无量纲处理，以及差分运算，消除长期趋势性的影响，将第i个时间周期单元Ti内的值变化趋势用该时间周期单元直线段的斜率ki表示，斜率ki如下式，时间序列两数据点间相距一小时，以小时为单位，即Ti+1‑Ti＝1；

式中：ki为时间段Ti至Ti+1桥梁监测时间序列数据直线段的斜率；i＝1,2,3...n，n为整个桥梁监测时间序列数据的分段数量。

4.根据权利要求3所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，将桥梁监测时间序列数据Y重新定义表示形式，以M表示，如下式：M＝{(ju1,u1,k1),(ju2,u2,k2),...(jun,un,kn)}

式中：jui表示为Ti至Ti+1的时间序列的趋势判断结果，ui表示为Ti至Ti+1的时间序列的相似程度判断结果。

5.根据权利要求1所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，步骤(2)所述的趋势判断具体为：通过分别计算所选取进行相似性度量的参考桥梁监测时间序列数据S和比较桥梁监测时间序列数据S'在每个时间周期单元内的直线段斜率，第i个时间周期单元内的直线段斜率分别记为ki和ki'，并进行主趋势性比较，判断变化趋势的一致性，趋势判断结果记为jui，判别标准如下式：式中：jui为判别结果；ki为参考桥梁监测时间序列数据S在Ti至Ti+1周期内直线段的斜率；ki'为比较时序列数据S'在Ti至Ti+1周期内直线段的斜率。

通过将进行相似性度量的参考桥梁监测时间序列数据S和比较桥梁监测时间序列数据S'进行分类处理，jui＝1为同向型第一类，jui＝‑1为异向型第二类。

6.根据权利要求5所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，步骤(3)所述的相似程度判断具体为：通过计算所选取进行相似性度量的参考桥梁监测时间序列数据S和比较桥梁监测时间序列数据S'在每个时间周期单元内的直线段斜率，运用两直线段的斜率以及三角函数公式进行两直线段之间角度差值的计算，如下式：ki＝tanαki'＝tanβ

式中：ki为参考桥梁监测时间序列数据S在Ti至Ti+1周期内直线段的斜率；ki'为比较时序列数据S'在Ti至Ti+1周期内直线段的斜率；α为参考桥梁监测时间序列数据S在Ti至Ti+1周期内直线段与水平线段之间的角度；β为比较桥梁监测时间序列数据S'在Ti至Ti+1周期内直线段与水平线段之间的角度；Δki为两直线段之间角度差值。

7.根据权利要求6所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，步骤(4)所述的依据趋势判断结果与相似程度判断结果，分别考量每个时间周期单元内桥梁监测时间序列数据的相似性程度，具体为：依据趋势判断，将参考桥梁监测时间序列数据S和比较桥梁监测时间序列数据S′在每个时间周期单元内的直线段斜率进行趋势性较,定义jui＝1为同向型第一类，jui＝‑1为异向型第二类；

通过趋势判断结果并进行相似程度判断，当jui＝1同向型第一类时，当|Δki|超过数据样本的最大角度差值Δkmax的50％时，则在相似程度的判断过程中不计入计算过程，取相似程度判断值ui＝0；当|Δki|在数据样本的最大角度差值Δkmax的20％与数据样本的最大角度差值Δkmax的50％之间时，在相似程度的判断过程中考虑一定的折减，取相似程度判断值当|Δki|未超过数据样本的最大角度差值Δkmax的20％时，在相似程度的判断过程中考虑不进行折减，取相似程度判断值ui＝1；

当jui＝‑1为异向型第二类情况时，对ki'通过对称处理，若|Δki|未超过数据样本的最大角度差值Δkmax的20％时，则在相似程度的判断过程中不考虑其对相似程度的负影响，取相似程度判断值ui＝0；当|Δki|在数据样本的最大角度差值Δkmax的20％与数据样本的最大角度差值Δkmax的50％之间时，则在相似程度的判断过程中考虑一定的折减，取相似程度判断值 当|Δki|超过数据样本的最大角度差值Δkmax的50％时，则在相似程度的判断过程中需要考虑其对相似程度的负影响，取相似程度判断值ui＝1。

通过两个判断结果并分别考量每个时间周期单元内桥梁监测时间序列数据的相似性程度，将结果记为dsi，如下式：dsi＝jui×ui

式中：dsi为模式区分距离；jui为依据趋势判断的结果；ui为相似程度判断结果。

8.根据权利要求7所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，对模式区分距离dsi进行相似程度比较分析，得到相似性度量判断数据集U：U＝{x|‑1≤x≤1}

其中x为dsi的取值，取值范围为[0,1]时，取值越接近于1则表明每个时间周期单元内桥梁监测时间序列数据的相似性程度越相近，当取值范围为[‑1,0]时，取值越接近于0则表明每个时间周期单元内桥梁监测时间序列数据的相似性程度越相近。

9.根据权利要求1所述的一种基于模式区分的桥梁监测时间序列数据相似性度量方法，其特征在于，步骤(5)中基于模式区分距离的高维数据相似性度量函数记为Hs(S,S')，如下式：式中：Hs(S,S')为高维数据相似性度量函数；dsi为模式区分距离；Δki为两直线段之间角度差值。高维相似性度量方法以数据间的趋势形态计算相似程度，相似性度量值的取值范围为[0,1]，相似程度越接近，相似性度量值Hs越趋近于1，及Hs≈1；相反相似性程度越偏离，相似性度量值Hs越趋近于0，及Hs≈0，以此来考量高维数据间的相似性程度。