[發明專利]一種基于深度學習的大壩安全綜合評判方法

有效

• 申請號: 201710598587.4
• 申請日: 2017-07-21
• 公開（公告）號: CN107480341B
• 公開（公告）日: 2018-10-23
• 發明（設計）人: 毛鶯池;齊海;陳豪;李志濤;王龍寶
• 申請（專利權）人: 河海大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李玉平

1.一種基于深度學習的大壩安全綜合評判方法，用于大壩監測系統的安全綜合評判，其特征在于，包括四個方面：大壩安全監測測點分級，監測測點數據預處理，測點閾值計算和分類，構建卷積網絡訓練和評判；

1)大壩安全監測測點分級，根據大壩工程結構對監測系統進行抽象，然后對監測測點編號，最后從自動化監測系統中采集測點數據并存儲；

2)監測測點數據預處理，填補缺失值和剔除明顯異常值；

3)測點閾值計算和分類，對預處理后的數據，首先確定樣本容量，然后選取模型計算，并計算樣本均方誤差，選取最優模型并劃分閾值，最后對測點分類；

4)構建卷積網絡訓練和評判，根據大壩運行實際情況和工程經驗，由監測人員檢查得到大壩以及監測系統各級的評判結果，作為訓練集和測試集；然后基于訓練集和測試集訓練卷積神經網絡，最后對大壩進行安全綜合評判；

所述步驟3)包含以下步驟：

3.1)確定樣本容量：導入經過預處理之后的樣本數據，選取初始窗口長度，劃分訓練樣本和測試樣本；

3.2)選取模型計算：對候選模型分別進行擬合，得到對應的擬合的方程，用擬合方程計算所需預測日期的前一天的徑向位移作為校驗，得到校驗誤差，校驗誤差作為對模型的校驗；

3.3)計算樣本均方差，其計算公式為：其中n為樣本的數量，i代表第i個樣本，y_i為樣本的估計值，為估計值的平均值，n-1即為計算一元回歸分析時樣本均方誤差的自由度；然后每次將樣本量——步長加1，進行3.2)操作；如果增加樣本量樣本均方誤差減小，那么應該繼續找最優模型，如果連續7次都沒有更新樣本均方誤差，則認為找到局部最優值；

3.4)劃分測點閾值：統計各個模型的擬合結果，以樣本均方誤差值作為模型擬合的衡量指標，比較上述各個模型中任意兩種模型中的樣本均方誤差的大小來確定最終的動態最優模型，采用最優模型的計算結果為預測值，根據測點實測值和預測值計算相對誤差，即為閾值；

3.5)測點分類，根據大壩的運行狀態對測點的分類。

2.如權利要求1所述的基于深度學習的大壩安全綜合評判方法，其特征在于，大壩安全監測測點分級分為三個流程，分別是測點劃分、測點編號、測點數據存儲；首先根據大壩工程結構對監測系統進行抽象，然后對監測測點編號，所述步驟1)包含以下步驟：

1.1)測點劃分：根據大壩工程特性，將監測系統抽象成樹狀結構；根節點為大壩，按照監測系統特征往下逐級劃分為基本部位、監測項目、儀器類型，最底層為監測測點；

1.2)測點編號：首先為每個測點編號，編號應具有唯一性，并能反映測點所屬的基本部位、監測項目、儀器類型；然后對基本部位、監測項目、儀器類型進行編號，并按照步驟1.1)中的測點劃分，每一級節點建立到其子節點的索引，即大壩需要索引到所有的基本部位，每個基本部位索引到其對應監測項目，每個監測項目則索引到其對應所有儀器類型，儀器類型索引下屬的所有監測測點；最后為大壩、基本部位、監測項目、儀器類型分別建立數據庫表，并按照索引結構將大壩所有監測測點編號信息存入數據庫；

1.3)測點數據存儲：按照步驟1.2)中建立的測點編號，從自動化監測系統中匯集監測測點數據。