[發明專利]一種區域性橋梁風險預測方法及系統

有效

• 申請號: 202010011819.3
• 申請日: 2020-01-07
• 公開（公告）號: CN110807562B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 胡輝;張亮;董梅;宋杰
• 申請（專利權）人: 杭州魯爾物聯科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/08;G06N3/04;G06K9/62
• 代理公司: 杭州橙知果專利代理事務所(特殊普通合伙) 33261
• 代理人: 賀龍萍

1.一種區域性橋梁風險預測方法，其特征在于，包括：

S1、收集區域內所有橋梁的基礎信息，包括服役年限、結構型式、材料組成、荷載等級、交通流量；

S2、基于所述基礎信息對區域內的橋梁進行篩選，選出需要進行風險預測的橋梁；

S3、對需要進行風險預測的橋梁根據其基礎信息劃分為不同的風險預測等級；不同的橋梁根據其風險預測等級對應的風險預測周期進行預測；

S4、從市政設施部門資料、國家氣象信息中心及文獻調研中初步確定用于橋梁坍塌評價的致災因子；

S5、對初步確定的致災因子進行篩選，獲得影響橋梁垮塌的主要致災因子；

S6、采集歷史橋梁形變數據，基于確定的主要致災因子分別對邏輯回歸模型、卷積神經網絡模型、時間序列聚類、隨機森林、最近鄰分類、K均值分類、隱馬爾可夫模型、張量分解和深度波茲曼機應用進行訓練，生成多個橋梁垮塌風險預測模型；

S7、評估基于邏輯回歸模型、卷積神經網絡模型、時間序列聚類、隨機森林、最近鄰分類、K均值分類、隱馬爾可夫模型、張量分解和深度波茲曼機訓練生成的橋梁風險預測模型的性能，選擇性能最好的風險預測模型作為最終的風險預測模型；

S8、通過高精度遙感監測技術和物聯網傳感技術相互集成應用采集需要進行風險預測橋梁所對應的主要致災因子的值，將主要致災因子的值輸入最終的風險預測模型，預測橋梁坍塌的風險值。

2.根據權利要求1所述的區域性橋梁風險預測方法，其特征在于，所述根據其基礎信息劃分為不同的風險預測等級具體為：

設置服役年限、結構型式、材料組成、荷載等級、交通流量的權重依次為ω₁、ω₂、ω₃、ω₄、ω₅，其中，ω₁+ω₂+ω₃+ω₄+ω₅=1；橋梁對應的風險評估值為：

其中，V₁、V₂、V₃、V₄、V₅分別為服役年限、結構型式、材料組成、荷載等級、交通流量的值；服役年限的值為相應的服役年限，結構型式的值為分別賦予梁式、拱式、組合橋梁和懸索橋的值，材料組成的值為賦予不同材料的值，荷載等級的值為相應的負荷等級，交通流量的值為不同流量所賦予的等級值，流量越大，等級值越高；

基于計算出的風險評估值，將橋梁劃分到相應的風險預測等級，風險評估值越高，風險預測等級越高。

3.根據權利要求1所述的區域性橋梁風險預測方法，其特征在于，所述步驟S5具體為：

根據致災因子的特征從初步確定的致災因子中選擇出比較重要的致災因子，所述特征包括方差、斜度、峰態、頻率、振型、模態曲率、回歸殘差、小波能量和擬合系數；

對于所述比較重要的致災因子，通過相關性分析、條件熵、后驗概率、邏輯回歸權重進行篩選，按變量預測力選出最有用的特征子集，分別提取出致災因子中的環境荷載因子和結構響應因子；所述環境荷載因子包括溫度、風速、地震、交通、濕度和沖刷，所述結構響應因子包括索力、應變、位移、轉角、加速度和疲勞。

4.根據權利要求3所述的區域性橋梁風險預測方法，其特征在于，設置方差的閾值，當致災因子的方差小于所述方差的閾值時，剔除該致災因子；否則，將該特征作為比較重要的致災因子；

計算比較重要的致災因子與橋梁坍塌的相關系數，設置相關系數的閾值，當致災因子與橋梁坍塌的相關系數小于所述相關系數的閾值時，剔除該致災因子；否則，將該特征作為主要致災因子。

5.根據權利要求1所述的區域性橋梁風險預測方法，其特征在于，所述步驟S6包括：

邏輯回歸模型的參數形式為：，其中，，n為自變量的個數；將歷史橋梁形變數據中主要致災因子所對應的特征值組成特征向量，作為邏輯回歸模型中的自變量向量X，橋梁垮塌風險值作為邏輯回歸模型中的因變量p，對邏輯回歸模型進行訓練，獲得使所述邏輯回歸模型的代價函數值最小的參數向量a和每項關系特征數據的權重，確定所述參數向量a后的邏輯回歸模型即為橋梁風險預測模型。