[發明專利]一種基于時空數據的結構安全預警方法

有效

• 申請號: 202110430999.3
• 申請日: 2021-04-21
• 公開（公告）號: CN113033702B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 蘇輝;時波;杜續;焦寶;雷丹;楊石飛;許麗萍
• 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: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 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

1.一種基于時空數據的結構安全預警方法，其特征在于所述結構安全預警方法包括以下步驟：

步驟1：收集目標結構隨時間和空間變化的變形監測數據和病害監測數據，整理得到變形病害數據集D1；

步驟2：收集所述目標結構的工程特征數據，整理得到工程特征數據集D2；

步驟3：將所述目標結構的變形病害數據集D1和工程特征數據集D2進行融合整理以生成時間和空間上連續的數據集D；

步驟4：

4.1）對數據集D中取值連續的結構特征數據作歸一化處理，取值離散的結構特征數據作獨熱編碼處理；

4.2）對數據集D處理成深度學習神經網絡需要的張量形式，并將數據集D劃分為訓練集D_train和測試集D_test；

4.3）利用深度學習框架搭建用于預測變形的第一深度學習模型；采用訓練集D_train訓練用于預測變形的所述第一深度學習模型，并用測試集D_test檢驗所述第一深度學習模型是否可靠；若檢驗表明所述第一深度學習模型可靠，則獲得模型M1，將前n個時刻的結構特征數據利用模型M1進行預測，得到n+1個時刻的變形結果R1；

4.4）利用深度學習框架搭建用于預測病害的第二深度學習模型；將數據集D按時間劃分為訓練集D_{train_defect}和測試集D_{test_defect}；采用訓練集D_{train_defect}訓練用于預測病害的所述第二深度學習模型，并用測試集D_{test_defect}檢驗所述第二深度學習模型是否可靠；若檢驗表明所述第二深度學習模型可靠，則獲得模型M2；利用前n個時刻的結構特征數據，并結合步驟4.3中預測的n+1時刻的變形結果R1，導入到模型M2中進行預測，得到n+1時刻的病害結果R2；

步驟5：將變形結果R1和病害結果R2進行判定，若變形結果R1超過變形結果閾值或病害結果R2超過發生病害概率閾值，則提示結構安全風險。

2.根據權利要求1所述的一種基于時空數據的結構安全預警方法，其特征在于所述目標結構的工程特征數據包括目標結構本身特征、目標結構地質特征、目標結構周邊環境。

3.根據權利要求1所述的一種基于時空數據的結構安全預警方法，其特征在于步驟3中，變形病害數據集D1和工程特征數據集D2之間的融合整理是指對于確定的所述目標結構的工程特征數據集D2中的工程特征數據值與所對應的變形病害數據集D1中的變形病害數據值進行關聯并合并到數據集D中。

4.根據權利要求1所述的一種基于時空數據的結構安全預警方法，其特征在于所述歸一化處理是指將數據集D中取值連續的結構特征數據經歸一化計算公式處理后限制在0-1范圍內，所述歸一化計算公式為：

其中：

X_i為歸一化處理之前的第i個結構特征數據；

X_max為第i個所述結構特征數據的最大值；

X_min為第i個所述結構特征數據的最小值；

X為歸一化處理后的第i個所述結構特征數據。