[發明專利]基于深度神經網絡的城市橋況等級實時劃分方法及裝置

有效

• 申請號: 202010699144.6
• 申請日: 2020-07-17
• 公開（公告）號: CN111667203B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 馮星星
• 申請（專利權）人: 馮星星
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q10/20;G06Q50/08;G06N3/04;G06N3/08
• 代理公司: 西安啟誠專利知識產權代理事務所(普通合伙) 61240
• 代理人: 馮亮

1.一種基于深度神經網絡的城市橋況等級實時劃分方法，其特征在于，該方法包括以下步驟：

步驟一、將實時城市橋梁狀況監測數據組X'分別作為訓練好的最高得分神經網絡、訓練好的最可能得分神經網絡和訓練好的最低得分神經網絡的輸入，訓練好的最高得分神經網絡輸出實時橋梁狀況最高得分A'，訓練好的最可能得分神經網絡輸出實時橋梁狀況最可能得分B'，訓練好的最低得分神經網絡輸出實時橋梁狀況最低得分C'，所述訓練好的最高得分神經網絡、訓練好的最可能得分神經網絡和訓練好的最低得分神經網絡均具有最佳網絡參數，所述最佳網絡參數包括最佳偏置參數、最佳學習率和最佳權重參數；

所述實時城市橋梁狀況監測數據組X'為：X'＝{X'₁,X'₂,....,X'_i,...,X'_m}，其中，X_i'表示第i個實時橋梁狀況監測數據組，實時橋梁狀況監測數據組包括橋跨結構、橋墩、橋臺、墩臺基礎、支座、橋面鋪裝、排水管、護欄、伸縮縫和照明燈光，m表示實時橋梁狀況監測數據組的個數；

所述訓練好的最高得分神經網絡的具體實現過程包括：

步驟A1、構建最高得分神經網絡模型；

步驟A2、對最高得分神經網絡模型進行初始化，得到初始化最高得分神經網絡模型；

步驟A3、將城市橋梁狀況監測數據組X作為初始化最高得分神經網絡模型的輸入，得到橋梁狀況最高得分；

步驟A4、根據橋梁狀況最高得分與專家最高評分計算最高得分損失函數；

所述根據橋梁狀況最可能得分與專家最可能評分計算最可能得分損失函數的計算公式為：L_A＝(S_A-A)²，其中，L_A表示最高得分損失函數，S_A表示專家最高評分；

步驟A5、將最高得分損失函數返回初始化最高得分神經網絡模型，進行網絡參數修正，經過多次迭代后，獲取最佳網絡參數，得到訓練好的最高得分神經網絡；

步驟A3、步驟B3和步驟C3中所述城市橋梁狀況監測數據組X均為：X＝{X₁,X₂,...,X_i,...,X_n}，其中，X_i表示第i個橋梁狀況監測數據組，橋梁狀況監測數據組數據包括橋跨結構、橋墩、橋臺、墩臺基礎、支座、橋面鋪裝、排水管、護欄、伸縮縫和照明燈光，n表示橋梁狀況監測數據組作為訓練集的個數；

所述橋梁狀況最高得分的計算公式為：A＝V_A+η_A·W_A·X，其中，A表示橋梁狀況最高得分，V_A表示初始化最高得分神經網絡模型的偏置參數，η_A表示初始化最高得分神經網絡模型的學習率，W_A表示初始化最高得分神經網絡模型的權重參數；

所述訓練好的最可能得分神經網絡的具體實現過程包括：

步驟B1、構建最可能得分神經網絡模型；

步驟B2、對最可能得分神經網絡模型進行初始化，得到初始化最可能得分神經網絡模型；

步驟B3、將城市橋梁狀況監測數據組X作為初始化最可能得分神經網絡模型的輸入，得到橋梁狀況最可能得分；

所述橋梁狀況最可能得分的計算公式為：B＝V_B+η_B·W_B·X，其中，B表示橋梁狀況最可能得分，V_B表示初始化最可能得分神經網絡模型的偏置參數，η_B表示初始化最可能得分神經網絡模型的學習率，W_B表示初始化最可能得分神經網絡模型的權重參數；

步驟B4、根據橋梁狀況最可能得分與專家最可能評分計算最可能得分損失函數；

所述根據橋梁狀況最可能得分與專家最可能評分結合計算最可能得分損失函數的計算公式為：L_B＝(S_B-B)²，其中，L_B表示最可能得分損失函數；S_B表示專家最可能評分；

步驟B5、將最可能得分損失函數返回初始化最可能得分神經網絡模型，進行網絡參數修正，經過多次迭代后，獲取最佳網絡參數，得到訓練好的最可能得分神經網絡；

所述訓練好的最低得分神經網絡的具體實現過程包括：

步驟C1、構建最低得分神經網絡模型；

步驟C2、對最低得分神經網絡模型進行初始化，得到初始化最低得分神經網絡模型；

步驟C3、將城市橋梁狀況監測數據組X作為初始化最低得分神經網絡模型的輸入，得到橋梁狀況最低得分；

所述橋梁狀況最低得分的計算公式為：C＝V_C+η_C·W_C·X，其中，C表示橋梁狀況最低得分，V_C表示初始化最低得分神經網絡模型的偏置參數，η_C表示初始化最低得分神經網絡模型的學習率，W_C表示初始化最低得分神經網絡模型的權重參數；

步驟C4、根據橋梁狀況最低得分與專家最低評分計算最低得分損失函數；

所述根據橋梁狀況最低得分與專家最低評分結合計算最低得分損失函數的計算公式為：L_C＝(S_C-C)²，其中，L_C表示最低得分損失函數；S_C表示專家最低評分；

步驟C5、將最低得分損失函數返回初始化最低得分神經網絡模型，進行網絡參數修正，經過多次迭代后，獲取最佳網絡參數，得到訓練好的最低得分神經網絡；

所述實時橋梁狀況最高得分的計算公式為：A'＝V'_A+η'_A·W'_A·X'，其中，V'_A表示訓練好的最高得分神經網絡模型的最佳偏置參數，η'_A表示訓練好的最高得分神經網絡模型的最佳學習率，W'_A表示訓練好的最高得分神經網絡模型的最佳權重參數；

所述實時橋梁狀況最可能得分的計算公式為：B'＝V'_B+η'_B·W'_B·X'，其中，V'_B表示訓練好的最可能得分神經網絡模型的最佳偏置參數，η'_B表示訓練好的最可能得分神經網絡模型的最佳學習率，W'_B表示訓練好的最可能得分神經網絡模型的最佳權重參數；

所述實時橋梁狀況最低得分的計算公式為：C'＝V'_C+η'_C·W'_C·X'，其中，V'_C表示訓練好的最低得分神經網絡模型的最佳偏置參數，η'_C表示訓練好的最低得分神經網絡模型的最佳學習率，W'_C表示訓練好的最低得分神經網絡模型的最佳權重參數；

步驟二、根據實時橋梁狀況最高得分A'、實時橋梁狀況最可能得分B'和實時橋梁狀況最低得分C'計算出實時橋梁狀況得分U；

所述實時橋梁狀況得分U的計算公式為：U＝(A'+4·B'+C')/6；

步驟三、根據實時橋梁狀況得分U實時劃分城市橋梁狀況等級。