买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国建筑科学研究院有限公司

摘要：本申请涉及一种建筑变形风险预测方法及系统，属于建筑变形监测技术领域，建筑变形风险预测方法包括实时获取并储存来自部署在目标建筑上预设风险测点的所有位移传感器输出的变形数据；基于目标建筑上的所有所述预设风险测点，生成风险测点分布图；通过预设的时间窗口从变形数据中选取目标变形数据，并基于目标变形数据和风险测点分布图构建所述目标建筑的训练数据集；利用训练数据集对预设的神经网络模型进行训练，以得到建筑风险预测模型；将实时获取的变形数据和风险测点分布图输入至建筑风险预测模型，生成目标建筑的变形预测结果；本申请具有实现了对高层建筑变形趋势进行预测的效果。

主权项：1.一种建筑变形风险预测方法，其特征在于，包括：实时获取并储存来自部署在目标建筑上预设风险测点的所有位移传感器输出的变形数据；其中，所述变形数据是以预设基准点为参照物比对得到的；基于目标建筑上的所有所述预设风险测点，生成风险测点分布图；通过预设的时间窗口从变形数据中选取目标变形数据，并基于目标变形数据和风险测点分布图构建所述目标建筑的训练数据集；利用训练数据集对预设的神经网络模型进行训练，以得到建筑风险预测模型；将实时获取的变形数据和风险测点分布图输入至建筑风险预测模型，生成目标建筑的变形预测结果；其中，变形预测结果包括单点预警报告和或区域预测报告；其中，所述建筑风险预测模型包括长序列分析层以及神经网络层；所述长序列分析层，用于接受实时获取的变形数据和风险测点分布图，并分析预设的预测窗口内的每个预设风险测点的偏差特征数据；所述神经网络层，与长序列分析层的输出端连接，用于根据所述实时获取的变形数据和风险测点分布图对所述目标建筑进行形变预测得到初步预测结果；根据偏差特征数据对初步预测结果进行校准，以输出单点预警报告和或区域预测报告；其中，所述利用训练数据集对预设的神经网络模型进行训练，以得到建筑风险预测模型，具体包括：设定训练参数初始值，并对训练数据集进行批量化处理，得到若干批的训练数据集；将第一批训练数据集输入至所述神经网络层中，更新神经网络层中的第一层网络的隐含节点状态值和可见节点状态值；基于所可见节点状态值，再次对隐含节点状态值进行更新；将所有训练数据集输入至所述长序列分析层，通过长序列分析层对所有训练数据集进行分析和特征提取，以得到偏差特征数据；基于偏差特征数据，利用AR回归处理动态更新可见节点和隐含节点的阈值偏移量；将所述神经网络层中每层网络的隐含节点状态值输入至与其连接的下一层网络，以对下一层网络的隐含节点状态值、可见节点状态值、可见节点的阈值偏移量和隐含节点的阈值偏移量进行更新，直至完成神经网络层中每一层网络的训练；构建神经网络层的权重阈值矩阵，并通过L-M算法对权重阈值矩阵中的元素值进行实时更新，以完成神经网络层的第一轮训练；逐次利用每批训练数据集对神经网络层进行若干轮迭代训练，得到建筑风险预测模型；其中，所述将所有训练数据集输入至所述长序列分析层，通过长序列分析层对所有训练数据集进行分析和特征提取，以得到偏差特征数据，具体包括：基于时间顺序对所有训练数据集进行排序得到历史序列；将历史序列输入至长序列分析层，通过长序列分析层提取训练数据集之间的长期依赖序列；其中，所述长期依赖序列包用于表征对累积输入的历史序列的长期依赖关系和特征；基于长期依赖序列和预设的预测窗口，得到偏差特征数据；其中，所述将实时获取的变形数据和风险测点分布图输入至建筑风险预测模型，生成目标建筑的变形预测结果，具体包括：将实时获取的变形数据和风险测点分布图输入至建筑风险预测模型，通过建筑风险预测模型输出每一个风险测点的变形预测值；判断是否存在变形预测值超过预设的报警阈值或变形数据超过所述报警阈值的风险测点；若存在，则基于超限的风险测点输出单点预警报告；基于除超限的风险测点以外的其他风险测点输出区域预测报告；若不存在，基于所有风险测点输出区域预测报告；其中，还包括对建筑风险预测模型的预测精度的评定步骤；所述评定步骤包括：记录变形预测结果的预测窗口；响应于获取到预测窗口内的变形数据，将预测窗口内的变形预测结果和变形数据进行比对，得到比对结果，并基于比对结果生成建筑风险预测模型的评定结果；其中，还包括：响应于评定结果不合格，调整预设的时间窗口的起始时刻、终止时刻和窗口尺寸，并通过调整后的时间窗口从变形数据中再次选取目标变形数据，并基于目标变形数据构建所述目标建筑的优化训练数据集；利用优化训练数据集对当前的建筑风险预测模型进行再次训练，以得到优化建筑风险预测模型。

全文数据：

权利要求：

百度查询： 中国建筑科学研究院有限公司 一种建筑变形风险预测方法及系统