[發(fā)明專利]一種基于支持向量機的樁身完整性類別自動識別方法

有效

• 申請?zhí)枺?/td>: 201811330056.8
• 申請日: 2018-11-09
• 公開（公告）號: CN109447026B
• 公開（公告）日: 2020-12-29
• 發(fā)明（設計）人: 陳衛(wèi)紅;管鈞;薛忠軍;張建龍;李貴文;衛(wèi)文哲;張子兵;郭昌祚;陳紹坤
• 申請（專利權）人: 北京智博聯(lián)科技股份有限公司;北京市道路工程質(zhì)量監(jiān)督站
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京融智邦達知識產(chǎn)權代理事務所(普通合伙) 11885
• 代理人: 吳強

1.一種基于支持向量機的樁身完整性類別自動識別方法，其特征在于，包括：采用支持向量機的分析方法對多個特征參量進行了訓練和驗證后得到識別模型，利用識別模型對樁身完整性類別進行識別；

所述特征參量包括：

1)樁型

樁身按荷載傳遞機理分為：摩擦樁、端承樁、摩擦端承樁、端承摩擦樁四種樁型；摩擦樁、端承樁、摩擦端承樁和端承摩擦樁的特征參量值分別為0、1、2和3；

2)缺陷徑向分布D_p，i

缺陷徑向分布D_p，i為異常程度指數(shù)為1、2或3的連續(xù)測點所在剖面數(shù)與總剖面數(shù)之比，其中，i為異常程度指數(shù)值，i為1、2或3；

異常程度指數(shù)為1、2和3的缺陷徑向分布D_p，i分別為D_p，1、D_p，2和D_p，3；

3)缺陷的深度位置

缺陷的深度位置以缺陷所在深度與樁長之比H_p，i來表征，缺陷所在深度與樁長之比H_p，i為異常程度值為1、2或3的最大連續(xù)測點所在位置與樁長之比；

異常程度指數(shù)為1、2和3的缺陷所在深度與樁長之比H_p，i分別為H_p，1、H_p，2和H_p，3；

4)缺陷的軸向分布

缺陷的軸向分布用下面兩個特征參量來表征：

(1)最大連續(xù)測點深度ΔH_i

異常程度值為1的最大連續(xù)測點深度ΔH₁為對所有剖面異常程度值為1的測點進行統(tǒng)計，得到的最大連續(xù)測點深度；

異常程度值為2的最大連續(xù)測點深度ΔH₂為對所有剖面異常程度值為1至2的測點進行統(tǒng)計，得到的最大連續(xù)測點深度；

異常程度值為3的最大連續(xù)測點深度ΔH₃為對所有剖面異常程度值為1至3的測點進行統(tǒng)計，得到的最大連續(xù)測點深度；

(2)連續(xù)測點總深度H_t，i

異常程度值為1的連續(xù)測點總深度H_t，1為對所有剖面異常程度值為1的測點進行統(tǒng)計后得到的多段連續(xù)測點深度之和；

異常程度值為2的連續(xù)測點總深度H_t，2為對所有剖面異常程度值為1至2的測點進行統(tǒng)計后得到的多段連續(xù)測點深度之和；

異常程度值為3的連續(xù)測點總深度H_t，3為對所有剖面異常程度值為1至3的測點進行統(tǒng)計后得到的多段連續(xù)測點深度之和。

2.根據(jù)權利要求1所述的基于支持向量機的樁身完整性類別自動識別方法，其特征在于，訓練和驗證前分別采集I、II、III和IV類缺陷樁的所述特征參量的數(shù)據(jù)樣本。

3.根據(jù)權利要求1所述的基于支持向量機的樁身完整性類別自動識別方法，其特征在于，訓練和驗證時，利用若干種不同的尋找最優(yōu)參數(shù)的方法得到最優(yōu)懲罰因子及核函數(shù)的γ值，然后分別使用多項式核函數(shù)、徑向基核函數(shù)進行訓練與預測，得到不同的訓練與預測結果，選取預測結果最優(yōu)的尋找最優(yōu)參數(shù)的方法和函數(shù)進行構建所述識別模型。

4.根據(jù)權利要求2所述的基于支持向量機的樁身完整性類別自動識別方法，其特征在于，利用徑向基核函數(shù)對所述數(shù)據(jù)樣本進行訓練及預測。

5.根據(jù)權利要求4所述的基于支持向量機的樁身完整性類別自動識別方法，其特征在于，使用easy.py及徑向基核函數(shù)進行訓練與預測。