[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的墻體縱向裂縫寬度預測系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201410187972.6
• 申請日: 2014-06-19
• 公開（公告）號: CN103984856A
• 公開（公告）日: 2014-08-13
• 發(fā)明（設(shè)計）人: 劉迎春;魏華峰
• 申請（專利權(quán)）人: 江蘇新瑞峰信息科技有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種建筑物墻體的裂縫預測方法，屬于建筑物墻體的危險評估領(lǐng)域。在我國，因建筑物老化而引起的建筑物墻體開裂，在各個城市中都有出現(xiàn)，也是現(xiàn)在建筑評估中的重要方面，在現(xiàn)用的房屋評估中，大部分還是通過建筑結(jié)構(gòu)、年代等信息進行人工的預測，主觀因素影響較大，因此需要較準確的建筑險情預測方法，以輔助險情排查。

背景技術(shù)

因建筑物老化而引起的建筑物墻體開裂，在各個城市中都有出現(xiàn)，也是現(xiàn)在建筑評估中的重要方面，在現(xiàn)用的房屋評估中，大部分還是通過建筑結(jié)構(gòu)、年代等信息進行人工的預測，主觀因素影響較大，因此需要較準確的建筑險情預測方法，以輔助險情排查。

而在現(xiàn)有的日常房屋墻體開裂排查中，通過排查人的經(jīng)驗進行預測并不準確，而且在墻體僅出現(xiàn)細小裂縫或者不明顯的傾斜時，可能容易被忽略，從而引起嚴重的后果；同時，在險情預測中，篩選出哪些主要影響因素，也是影響預測的直接因素；并且在墻體裂縫預測中，簡單的分類預測方法并不能很好地完成精確的預測。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有的對墻體裂縫預測排查中的不足，提出了一種基于多分類器融合的方法，并且通過大量的實測試驗數(shù)據(jù)，篩選出了影響墻體裂縫的主要因素，并對這些因素的影響值進行了有效的加權(quán)計算，從而實現(xiàn)更加精確的墻體裂縫預測。

為了達到上述目的，本發(fā)明提出了一種應用于包含CPU的計算機中的墻體縱向裂縫寬度預測系統(tǒng)，具體采用如下的技術(shù)方案：

所述系統(tǒng)包括：

（1）墻體頂部開裂點裂縫寬度等級確定模塊，用于將裂縫寬度設(shè)置成不同的等級，具體為：設(shè)裂縫寬度a在0<a≤3mm時取1，裂縫寬度在3mm<a≤10mm時取2，裂縫寬度在10mm<a≤15mm時取3，裂縫寬度在15mm<a≤20mm時取4，裂縫寬度在20mm<a時取5；

（2）影響因素權(quán)重確定模塊，用于根據(jù)系統(tǒng)輸入的各影響因素對墻體開裂的影響程度數(shù)據(jù)，建立各影響因素與墻體裂縫等級的二維關(guān)系映射圖，并通過曲線擬合方法，將擬合后的曲線二次項系數(shù)作為各個影響因素的權(quán)重；

（3）影響因素預處理模塊，用于將上述六個影響因素數(shù)據(jù)進行歸一化處理，并將墻體高度、墻體寬度、墻體厚度三個影響因素作為第一組，將墻體承重、墻體傾斜度、材料強度三個影響因素作為第二組，將歸一化處理后的數(shù)據(jù)分別與其對應的影響因素權(quán)重相乘，獲得各個影響因素的加權(quán)后值，作為分類器模塊的輸入；

（4）分類器模塊，該模塊包含K近鄰分類器子模塊、BP神經(jīng)網(wǎng)絡(luò)分類器子模塊和分類輸出子模塊，所述K近鄰分類器子模塊與BP神經(jīng)網(wǎng)絡(luò)分類器子模塊之間是并列關(guān)系，其輸出分別作為分類輸出子模塊的輸入；其中K近鄰分類器子模塊以第一組影響因素作為輸入，以對應的裂縫寬度作為輸出，BP神經(jīng)網(wǎng)絡(luò)分類器以第二組影響因素作為輸入，以對應的裂縫寬度作為輸出，分類輸出子模塊通過加權(quán)平均方式獲取分類結(jié)果；

（5）預測關(guān)系表生成模塊，用于將墻體的六種影響因素數(shù)據(jù)與分類器預測的墻體裂縫寬度預測值進行對比和聯(lián)系，形成網(wǎng)格化動態(tài)信息監(jiān)控，以對比表格形式輸出，為建筑墻體危險評估提供預測信息，保證建筑危險評估的可靠性和準確性。

優(yōu)選地，所述分類器模塊中，分類輸出子模塊的輸出算法為：

將各個影響因素對應的影響因素權(quán)重求取平均值N_i，其中i=1,2，…，6，再求取第一組影響因素的權(quán)重????????????????????????????????????????????????，以及第二組影響因素的權(quán)重；將K近鄰分類器子模塊的輸出結(jié)果B₁乘以A₁，將BP神經(jīng)網(wǎng)絡(luò)分類器子模塊的輸出結(jié)果B₂乘以A₂，將兩分類結(jié)果相加，再求取平均值，獲得最終裂縫寬度，根據(jù)墻體頂部開裂點裂縫寬度等級確定模塊確定的裂縫寬度等級進行等級劃分，獲得最終分類結(jié)果。

優(yōu)選地，所述BP神經(jīng)網(wǎng)絡(luò)分類器子模塊的建立方法為：

BP神經(jīng)網(wǎng)絡(luò)從輸入層到隱含層和隱含層到輸出層的傳遞函數(shù)分別采用logsig函數(shù)和tansig函數(shù)；

BP神經(jīng)網(wǎng)絡(luò)為：net=newff(r,c,[30,10],{‘ligsig’,’tansig’})