[發明專利]一種基于智能物聯網的危房監測方法

有效

• 申請號: 202210287735.1
• 申請日: 2022-03-22
• 公開（公告）號: CN114757395B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 程軍強;于灝;楊參;陳明;李俊龍;張勝利;尹國龍;陳新;羅東;雷光輝;田文華;張強;李國峰;宋政帥
• 申請（專利權）人: 歐亞高科數字技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06F18/22;G06N20/00
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 余穎華

1.一種基于智能物聯網的危房監測方法，其特征在于，包括以下步驟：

獲取待監測危房的歷史監測數據和當前監測數據，所述歷史監測數據包括各承重點對應的歷史傾斜角度、各承重點對應的歷史位移量、各地基角對應的歷史下沉量、各支撐棒的歷史應力；所述當前監測數據包括各承重點對應的當前傾斜角度、各承重點對應的當前位移量、各地基角對應的當前下沉量、各支撐棒的當前應力；

將待監測危房的歷史監測數據和當前監測數據輸入到TCN中，預測未來時刻待監測危房對應的監測數據；所述TCN的損失為各訓練樣本對應的修正后的損失之和，各訓練樣本對應的修正后的損失為對應訓練樣本的損失與對應訓練樣本的置信度之積，訓練樣本的置信度的計算方法為：

獲取各訓練樣本的歷史監測數據和當前監測數據；

根據各訓練樣本的各地基角對應的當前下沉量和歷史下沉量計算任意兩訓練樣本之間的地質相似度，根據所述地質相似度對各訓練樣本進行分組；

根據各訓練樣本的各承重點對應的歷史傾斜角度、歷史位移量、當前傾斜角度和當前位移量計算各訓練樣本與同組內其它訓練樣本之間的組內關聯性，根據所述組內關聯性計算各訓練樣本的承重點數據可信度；

根據各訓練樣本的各支撐棒的歷史應力和當前應力計算各訓練樣本的支撐棒數據準確度；

根據所述各訓練樣本的承重點數據可信度和支撐棒數據準確度計算各訓練樣本的監測數據置信度，記為樣本置信度；

所述根據各訓練樣本的各地基角對應的當前下沉量和歷史下沉量計算任意兩訓練樣本之間的地質相似度，包括：

利用如下計算公式計算兩樣本危房之間的地質相似度：

其中，R_A,B表示第A個樣本危房和第B個樣本危房之間的地質相似度，D_A,p表示第A個樣本危房的第p個地基角的下沉量變化序列，D_B,p表示第B個樣本危房的第p個地基角的下沉量變化序列，D_A為第A個樣本危房當前的地基四角下沉量向量，D_B為第B個樣本危房當前的地基四角下沉量向量，PPMCC表示皮爾遜相關系數，SIM為余弦相似度，γ為修正系數；

所述承重點為承重墻、承重柱或橫梁；

所述根據各訓練樣本的各承重點對應的歷史傾斜角度、歷史位移量、當前傾斜角度和當前位移量計算各訓練樣本與同組內其它訓練樣本之間的組內關聯性，包括：

利用如下計算公式計算各訓練樣本與同組內其它訓練樣本之間的組內關聯性：

K(A,B)＝K₁(A,B)+K₂(A,B)

其中，K(A,B)為同一組內第A個樣本危房與第B個樣本危房的組內關聯性；K₁(A,B)為同一組內第A個樣本危房與第B個樣本危房之間承重點傾斜角度變化情況的相似度，K₂(A,B)為同一組內第A個樣本危房與第B個樣本危房之間承重點位移量變化情況的相似度，M_A,k,1表示第A個樣本危房的第k個承重點的傾斜角度變化序列，M_A,k,2表示第A個樣本危房的第k個承重點的位移量變化序列，M_B,k,1表示第B個樣本危房的第k個承重點的傾斜角度變化序列，M_B,k,2表示第B個樣本危房的第k個承重點的位移量變化序列；R為序列的極差值，mean為序列的平均數，DTW函數為動態時間規整；

根據各訓練樣本的各支撐棒的歷史應力和當前應力計算各訓練樣本的支撐棒數據準確度，包括：

根據各訓練樣本的各支撐棒的歷史應力和當前應力構建各訓練樣本的各支撐棒應力變化序列；

根據各訓練樣本的各支撐棒應力變化序列得到各訓練樣本的各支撐棒對墻面的支撐力變化序列；

根據各訓練樣本的各支撐棒對墻面的支撐力變化序列計算各訓練樣本的支撐棒數據準確度；

所述根據各訓練樣本的各支撐棒對墻面的支撐力變化序列計算各訓練樣本的支撐棒數據準確度，包括：

利用如下計算公式計算各訓練樣本的支撐棒數據準確度：

其中，Q_A為第A個樣本危房的支撐棒數據準確度，F_A,t表示第A個樣本危房t時刻的支撐棒對墻面的支撐力向量；F_A,t-1表示第A個樣本危房t-1時刻的支撐棒對墻面的支撐力向量；F_A,t,r為第A個樣本危房的第r個支撐棒t時刻對墻面的支撐力變化序列，F_A,t-1,r為第A個樣本危房的第r個支撐棒t-1時刻對墻面的支撐力變化序列，R_A為第A個樣本危房的支撐棒的數量，SIM為余弦相似度，T為當前時刻，t1為第二次采樣對應的時刻，t-1時刻為t時刻對應的前一采樣時刻，N_T為當前時刻對應的采樣次數，mean為序列的平均數；

各樣本危房的承重點數據可信度和支撐棒數據準確度均與監測數據置信度成正相關關系。

2.根據權利要求1所述的基于智能物聯網的危房監測方法，其特征在于，利用DBSCAN對各訓練樣本進行分組。