[發明專利]一種基于SVM和DS理論的滲漏水風險監測方法

有效

• 申請號: 202010756906.1
• 申請日: 2020-07-31
• 公開（公告）號: CN112001600B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 陳虹宇;吳賢國;王雷;曾鐵梅;張浩蔚;吳霽峰;陳彬;王堃宇;張立茂;王帆;劉惠濤;劉洋;劉茜;鄧婷婷;劉瓊;楊賽
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張換君

1.一種基于SVM和DS理論的滲漏水風險監測方法，其特征在于，包括如下步驟：

構建盾構隧道滲漏水三級風險監測參數體系，并獲取風險監測參數所對應的實時監測數據；

構建并訓練支持向量機SVM分類模型，基于實時監測數據，通過SVM分類模型獲取二級風險監測參數的基本概率賦值BPA；

二級風險監測參數的BPA獲取方法包括：

基于SVM分類模型獲取二級風險監測參數所對應實時監測數據的類別標簽，其中樣本集中的自變量是三級風險監測參數實測值，因變量是二級風險監測參數指標類別標簽值；

基于SVM分類模型所輸出的實時監測數據的類別標簽計算級風險監測參數的BPA，如式3所示：

其中，m(j)是二級風險監測參數對風險等級j的BPA分配值，m(Θ)是二級風險監測參數對全集的BPA分配值，E_T表示SVM分類模型的輸出誤差，p_j表示SVM分類模型輸出的二級風險監測參數指標類別標簽值，s_j表示二級風險監測參數所對應實時監測數據實際的類別標簽值，t表示風險監測參數的風險等級數量；

基于D-S證據理論對二級風險監測參數的BPA進行證據融合，得到二級風險監測參數的風險等級隸屬度；

得到二級風險監測參數的風險等級隸屬度具體包括：

步驟S1、證據沖突檢測：

若m_i,m_j分別表示兩個風險監測參數所得到證據的BPA計算結果，X₁,X₂,...,X_n表示m_i所對應的焦元，Y₁,Y₂,...,Y_n表示m_j所對應的焦元，則m_i,m_j間的沖突系數k可由式(4)計算：

當0≤k＜1時，表明兩個風險監測參數對應證據之間不沖突；當k＝1時，表明兩個風險監測參數對應證據完全沖突；

步驟S2、證據修正：

在兩個風險監測參數對應證據沖突的情況下，計算m_i和m_j之間的距離d_ij和相似測度Sim_ij，計算風險監測參數對應證據m_i的支持度Sup(m_i)，如式(5)所示：

將Sup(m_i)經過歸一化處理可得證據m_i的權重W(m_i)，對證據m_i進行替換，得到替換后風險監測參數所對應的證據如式(6)所示：

重復步驟S1和S2，直到所有證據均不存在沖突；

步驟S3、證據融合：

對各風險監測參數所對應的證據進行融合，如式(7)所示：

其中，A＝X₁∩Y₂；

根據二級風險監測參數的風險等級隸屬度獲取盾構隧道滲漏水風險等級，并逆向計算相應的風險監測參數，完成盾構隧道滲漏水風險監測。

2.根據權利要求1所述的基于SVM和DS理論的滲漏水風險監測方法，其特征在于，構建并訓練SVM分類模型的具體方法包括：

獲取帶有類別標簽的訓練樣本集和測試樣本集，并對訓練樣本集和測試樣本集進行歸一化預處理；

進行SVM核函數選取，并采用網格搜索法進行核函數的參數選取，完成SVM分類模型的訓練；

通過訓練樣本集對SVM分類模型進行訓練，將測試樣本集輸入訓練好的SVM分類模型，通過SVM分類模型的輸出結果與實際類別標簽值計算SVM分類模型的分類誤差，通過分類誤差與預設閾值進行比較，在所述分類誤差大于預設閾值時，重新進行核函數的選取以及核函數參數的選取。

3.根據權利要求2所述的基于SVM和DS理論的滲漏水風險監測方法，其特征在于，SVM分類模型的分類誤差通過均方誤差MSE來定量化表示。