桥梁作为一种特殊的建筑模式,有其特有的健康监测方式。桥梁工作者会根据桥梁自身的结构,计算出与桥梁健康相关的观测点,通过先进的测量设备,得到相关的数据,并根据这些数据来掌握当前桥梁的健康状况。但在桥梁数据采集过程中,存在数据量较大、数据重复与冗余、数据的单位种类众多,且数据采集周期很长等现象。这些现象都会导致之后对于桥梁进行预防性的养护分析过程中,出现明显的数据偏差问题,影响最后的结果,造成不必要的经济损失。本文所用的桥梁监测的数据是异构数据,即数据的存在形式和来源多种多样,结构也不同,然而数据之间却存在着密切的关系,数据所在的每个数据库系统在加入异构数据库系统之前本身就已经存在,拥有自己的DBMS,且具有自身的自治性。本文首先从数据的异构问题出发,介绍与分析了异构数据集成的相关内容,并针对该桥梁监测数据的特殊性,构建了基于SpringMVC+MyBatis与Json的集成框架。整合之后的数据并没有解决脏数据现象,所以为了让数据清洗的更加干净,我们针对集成过程中的数据质量问题进行研究,讨论如何为桥梁预防性养护数据制定清洗的策略。针对整合之后的桥梁预防性养护的数据,本文选择Oracle数据库中的em数据管理工具筛选出数据的质量问题,其中数据的缺失值、重复值、异常值等情况比较严重。根据这些问题数据的具体情况,在传统数据清洗算法的基础上设计优化算法,解决了数据清洗过程中遇到的这些数据问题。从结果上看,本文的整合与清洗方法能够满足桥梁预防性养护异构数据的整合与清洗需求。