[發明專利]基于全量數據的結構安全影響因素關聯分析方法

在審

• 申請號: 202110030762.6
• 申請日: 2021-01-11
• 公開（公告）號: CN112579849A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 蘇輝;焦寶;杜續;許麗萍;楊石飛;時波;張靜
• 申請（專利權）人: 上海勘察設計研究院（集團）有限公司
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06F16/90;G06K9/62
• 代理公司: 上海申蒙商標專利代理有限公司 31214
• 代理人: 黃明凱

本發明公開了一種基于全量數據的結構安全影響因素關聯分析方法，該關聯分析方法通過基于目標結構的全量數據，融合了工程特征數據與變形監測數據，將數據集劃分為若干不同風險等級的子集；進行關聯分析時，先從結構安全風險等級最高的子集D₀中計算出頻繁特征集S，并依次計算各頻繁特征組合s在不同子集D_i中出現的概率，在此基礎上計算各頻繁特征組合對不同結構安全風險等級的子集D_i的提升度，以此作為關聯規則評價指標得到可能影響結構安全的因素組合。本發明解決了現有關聯分析方法在結構安全領域適用性較差的問題，為結構安全監測與評估提供有效的技術支持。

技術領域

本發明屬于結構安全分析技術領域，具體涉及一種基于全量數據的結構安全影響因素關聯分析方法。

背景技術

關聯分析是常見的數據挖掘技術，可在大規模數據集中找出變量間的關系，已在各領域較為廣泛的應用。工程結構安全的影響因素復雜，對各類影響因素進行關聯分析，可以有效地輔助結構安全監測與評估，及時消除結構安全隱患。

目前的面向結構安全的關聯分析算法主要有以下幾點不足：一是樣本數據類型不全，數據集多為離散的特征數據，未考慮結構監測數據等連續類型的數據，而測值數據往往是影響結構安全的關鍵因素；二是數據樣本覆蓋不全，關聯分析過程主要采用發生結構安全風險的負樣本數據集，未考慮正常狀態的正樣本數據，無法保證關聯規則與結構風險間存在相關性；三是未有定量化評價指標，多數關聯分析著重于挖掘頻繁項集，或僅簡單地使用支持度作為各因素間關聯規則的評價指標，無法保證結論的可信度。

發明內容

本發明的目的是根據上述現有技術的不足之處，提供一種基于全量數據的結構安全影響因素關聯分析方法，該關聯分析方法通過基于目標結構的全量數據，融合了工程特征數據與變形監測數據，將數據集劃分為若干不同風險等級的子集；進行關聯分析時，先從結構安全風險等級最高的子集D₀中計算出頻繁特征集S，并依次計算各頻繁特征組合s在不同子集D_i中出現的概率，在此基礎上計算各頻繁特征組合對不同結構安全風險等級的子集D_i的提升度，以此作為關聯規則評價指標得到可能影響結構安全的因素組合。

本發明目的實現由以下技術方案完成：

一種基于全量數據的結構安全影響因素關聯分析方法，其特征在于所述關聯分析方法包括以下步驟：

（1）收集目標結構的變形監測數據；

（2）收集所述目標結構的工程特征數據；

（3）判斷所述工程特征數據是否為連續值；若所述工程特征數據為連續值，則對所述工程特征數據進行離散化處理；若所述工程特征數據為非連續值，則進入下一個步驟；

（4）對所述目標結構的所述變形監測數據以及離散化處理后的所述工程特征數據進行數據融合，所述數據融合的方法為：以所述目標結構的最小單元結構為單位，將所述最小單元結構的每一條所述變形監測數據和所述工程特征數據進行結合，得到所述最小單元結構的全部數據，得到數據集D；

（5）基于所述目標結構的所述變形監測數據的取值，將數據集D劃分為若干不同結構安全風險等級的子集D_i，i為0、1、2…n；

（6）對結構安全風險等級最高的子集D₀采用關聯規則算法從各特征組合中挖掘頻繁特征組合s，并記錄頻繁特征組合s在子集D₀中的出現次數N_(S，0)，將子集D₀中全部的頻繁特征組合s共同組成頻繁特征集S；其中，所述特征組合為至少一類所述工程特征數據的取值組合；所述特征組合在子集D₀中出現的次數大于閾值時構成頻繁特征組合s；