[發明專利]一種基于機器學習的建筑墻面滲漏水風險等級評估方法

有效

• 申請號: 202110790610.6
• 申請日: 2021-07-13
• 公開（公告）號: CN113505997B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 盧昱杰;劉金杉;邢騰飛;李佩嫻;肖建莊
• 申請（專利權）人: 同濟大學
• 主分類號: G06Q10/0635
• 分類號: G06Q10/0635;G06Q10/0639;G06N20/00;G06F18/214;G06F18/2415;G06Q50/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 宣慧蘭

1.一種基于機器學習的建筑墻面滲漏水風險等級評估方法，其特征在于，具體包括以下步驟：

S1、根據影響隧道邊墻滲漏水病害分級與路面滲漏水病害分級與評價方法的特征屬性，獲取所述特征屬性的屬性值；

S2、對特征屬性的屬性值對應的離散型數據進行分割，生成多叉決策樹模型；

S3、所述多叉決策樹模型通過計算每個特征屬性的信息增益度，得到最優特征屬性，根據最優特征屬性來訓練多叉決策樹的模型；

S4、通過k折交叉驗證算法計算多叉決策樹的模型的識別精度，驗證多叉決策樹模型的準確度，若高于準確度閾值，轉至步驟S5；

S5、以隧道邊墻滲漏水病害分級與路面滲漏水病害分級為基礎，通過計算機視覺技術識別當前建筑墻面的基礎信息，將建筑墻面的基礎信息輸入到多叉決策樹模型中；

S6、所述多叉決策樹模型輸出當前建筑墻面的滲漏水病害等級以及相應的墻面修補提示信息；

所述步驟S2中對屬性值的離散型數據進行分割的過程包括將離散型數據的標稱型特征轉換為二進制一鍵式類型；

所述多叉決策樹模型中設有多個特征屬性的數據樣本集，每個數據樣本集設有對應的類標號；

所述步驟S3中訓練多叉決策樹的模型的過程包括按照所有的特征屬性進行劃分，對劃分的結果進行純度比較，選擇純度最高的特征屬性的數據樣本集作為當前需要分割的數據集來進行訓練；

所述劃分的結果的純度通過信息熵、基尼系數和錯誤率計算得到；

所述信息熵的計算公式如下所示：

其中，H(Entropy)為信息熵，P(i)是C_i,s中任意數據樣本屬于類C_i的概率；

P(i)的計算公式如下所示：

其中，S為已知類標號的數據樣本集，類標號屬性為C＝{C_i|i＝1,2,..,z}，C_i,s是C_i類數據樣本的集合，|S|和|C_i,s|分別表示S和C_i,s的樣本個數；

所述基尼系數和錯誤率的計算公式如下所示：

Gini＝1-∑_i＝1P(i)²

Error＝1-max{P(i)}

其中，Gini為基尼系數，Error為錯誤率；

所述特征屬性的信息增益度具體為特定條件下的純度與分割前純度的差值，計算公式如下所示：

其中，H(S|A)為特定條件下的純度，A為特征屬性集合，A_i為中第i個特征屬性，n為特征屬性的數量，k為交叉驗證算法過程中多叉決策樹模型的子集的數量；

所述特征屬性集合中包括分列屬性，所述分列屬性具體為增益率最大的特征屬性，所述分列屬性經劃分后純度的計算公式如下所示：

其中，為分列屬性劃分后純度，為根據分列屬性劃分出的子集。/