[發明專利]一種建筑抗震性能評估方法、系統、裝置及存儲介質

在審

• 申請號: 202110330872.4
• 申請日: 2021-03-26
• 公開（公告）號: CN113127955A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 蔡長青
• 申請（專利權）人: 廣州大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06K9/62;G06N20/10;G06Q50/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

1.一種建筑抗震性能評估方法，其特征在于，包括以下步驟：

獲取批量的建筑物的訓練數據；所述訓練數據包括所述建筑物的第一基礎參數數據和容量需求比數據；所述容量需求比用于表征所述建筑物是否滿足抗震需求；

按照所述建筑物是否滿足抗震需求，將所述訓練數據分為第一數據集和第二數據集；所述第一數據集中的數據量大于所述第二數據集的數據量；

對所述第一數據集進行聚類分析，得到若干第一大聚類數據和第一小聚類數據；

對所述第二數據集進行聚類分析，得到若干第二大聚類數據和第二小聚類數據；

根據所述第一大聚類數據，通過合成少數過采樣技術對所述第二大聚類數據進行過采樣，得到第三數據集；

將所述第一大聚類數據和所述第三數據集輸入到機器學習模型進行訓練，通過所述容量需求比數據對所述機器學習模型的參數進行更新，得到訓練好的機器學習模型；

獲取待評估的建筑物的第二基礎參數數據，將所述第二基礎參數數據輸入到所述訓練好的機器學習模型中，得到所述待評估的建筑物的抗震性能評估結果。

2.根據權利要求1所述的建筑抗震性能評估方法，其特征在于，還包括以下步驟：

對所述第二大聚類數據進行隨機復制，得到第四數據集；

將所述第一數據集、所述第二小聚類數據和所述第四數據集輸入到機器學習模型進行訓練，通過所述容量需求比數據對所述機器學習模型的參數進行更新，得到訓練好的機器學習模型。

3.根據權利要求1所述的建筑抗震性能評估方法，其特征在于，還包括以下步驟：

對所述第一大聚類數據進行隨機刪除，得到第五數據集；

將所述第二數據集和所述第五數據集輸入到機器學習模型進行訓練，通過所述容量需求比數據對所述機器學習模型的參數進行更新，得到訓練好的機器學習模型。

4.根據權利要求1-3中任一項所述的建筑抗震性能評估方法，其特征在于，所述輸入到機器學習模型進行訓練，包括：

輸入到向量分類器、極限梯度增強或者隨機森林中的至少一種進行訓練。

5.一種建筑抗震性能評估系統，其特征在于，包括：

獲取模塊，用于獲取批量的建筑物的訓練數據；所述訓練數據包括所述建筑物的第一基礎參數數據和容量需求比數據；所述容量需求比用于表征所述建筑物是否滿足抗震需求；

分組模塊，用于按照所述建筑物是否滿足抗震需求，將所述訓練數據分為第一數據集和第二數據集；所述第一數據集中的數據量大于所述第二數據集的數據量；

第一分析模塊，用于對所述第一數據集進行聚類分析，得到若干第一大聚類數據和第一小聚類數據；

第二分析模塊，用于對所述第二數據集進行聚類分析，得到若干第二大聚類數據和第二小聚類數據；

處理模塊，用于根據所述第一大聚類數據，通過合成少數過采樣技術對所述第二大聚類數據進行過采樣，得到第三數據集；

第一訓練模塊，用于將所述第一大聚類數據和所述第三數據集輸入到機器學習模型進行訓練，通過所述容量需求比數據對所述機器學習模型的參數進行更新，得到訓練好的機器學習模型；

評估模塊，用于獲取待評估的建筑物的第二基礎參數數據，將所述第二基礎參數數據輸入到所述訓練好的機器學習模型中，得到所述待評估的建筑物的抗震性能評估結果。

6.根據權利要求5所述的建筑抗震性能評估系統，其特征在于，所述系統還包括：

復制模塊，用于對所述第二大聚類數據進行隨機復制，得到第四數據集；

第二訓練模塊，用于將所述第一數據集、所述第二小聚類數據和所述第四數據集輸入到機器學習模型進行訓練，通過所述容量需求比數據對所述機器學習模型的參數進行更新，得到訓練好的機器學習模型。

7.根據權利要求5所述的建筑抗震性能評估系統，其特征在于，所述系統還包括：

刪除模塊，用于對所述第一大聚類數據進行隨機刪除，得到第五數據集；

第三訓練模塊，用于將所述第二數據集和所述第五數據集輸入到機器學習模型進行訓練，通過所述容量需求比數據對所述機器學習模型的參數進行更新，得到訓練好的機器學習模型。