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：成都建工第九建筑工程有限公司

摘要：本发明公开了一种基于光纤布拉格光栅技术的混凝土裂缝监测方法，包括以遍历监测方式对混凝土待测区域进行覆盖式监测，且将监测结果按照混凝土待测区域的拆分区段分别保存至不同的数据集合内，且确定每个数据集合内的监测点位的标识位置；确定拆分区段的外周监测点位与内侧监测点位之间的关联预测模型；基于关联预测模型的预算输出数据与原始数据之间的对比结果反向调控关联预测模型，并确定监测点位的选择位置对关联预测模型的预算输出数据的影响；根据监测点位的选择位置对关联预测模型的预算输出数据的影响值，并从多个监测点位中具体选择用来对混凝土裂缝实际监测的定点监测点位；本发明通过较少的监测样本量实现同样的裂缝预测工作。

主权项：1.一种基于光纤布拉格光栅技术的混凝土裂缝监测方法，其特征在于，包括以下步骤：步骤100、以遍历监测方式对混凝土待测区域进行覆盖式监测，且将监测结果按照所述混凝土待测区域的拆分区段分别保存至不同的数据集合内，且确定每个所述数据集合内的监测点位的标识位置；步骤200、将每个所述拆分区段多次覆盖式监测形成的多个数据集合划分为训练集和测试集，通过对所述训练集进行数据分析来确定所述拆分区段的外周监测点位与内侧监测点位之间的关联预测模型；在所述步骤200中，通过对所述训练集进行神经卷积训练，形成所述拆分区段的外周监测点位与内侧监测点位之间的关联预测模型的实现方法为：构建神经网络卷积模型，以所述内侧监测点位为输入参数，以所述外周监测点位为输出参数，形成根据所述拆分区段中间位置的监测数据预测所述拆分区段外侧位置的监测数据的第一神经网络预测模型，以及根据所述拆分区段外侧位置的监测数据预测所述拆分区段中间位置的监测数据的第二神经网络预测模型；步骤300、从所述测试集内选择多个监测点位输入至所述关联预测模型，基于所述关联预测模型的预算输出数据与该测试集内的原始数据之间的对比结果反向调控所述关联预测模型，并确定所述监测点位的选择位置对所述关联预测模型的预算输出数据的影响；在所述步骤300中，反向调控所述关联预测模型的实现方式分为对所述第一神经网络预测模型的反向调控以及对所述第二神经网络预测模型的反向调控；其中，利用所述测试集对所述第一神经网络预测模型的反向调控的实现方式为：从所述测试集的每个所述数据集合内选择多个内侧监测点位作为输入参数，利用所述第一神经网络预测模型输出该所述拆分区段的预测监测数据，所述预测监测数据为处于所述内侧监测点位以外的预测监测数据和处于所述内侧监测点位以内的预测监测数据，且每个所述预测监测数据具备对应的预测标识位置；从所述预测监测数据中筛选出与所述测试集的每个所述数据集合内的监测数据的标识位置对应的预测同行区域数据；将所述预测同行区域数据的数值与所述数据集合内相同标识位置对应的原始监测数据进行对比，基于对比结果重新构建调控所述第一神经网络预测模型，直至所述第一神经网络预测模型生成的预测监测数据与原始监测数据之间的误差处于标准阈值范围内；从所述测试集的每个所述数据集合内选择多个内侧监测点位作为输入参数时，按照标识位置从内到外的方式依次选择多个内侧监测点位；确定每次测试工作对应的多个内侧监测点位的标识位置，以及每次测试工作对应的第一神经网络预测模型生成的预测监测数据与原始监测数据之间的误差值，确定所述监测点位的选择位置对所述第一神经网络预测模型的预算输出数据的影响；在所述步骤300中，利用所述测试集对所述第二神经网络预测模型的反向调控的实现方式为：从所述测试集的每个所述数据集合内选择多个外周监测点位作为输入参数，利用所述第一神经网络预测模型输出该所述拆分区段的预测监测数据，其中，所述预测监测数据为处于所述外周监测点位以内的预测监测数据和处于所述外周监测点位以外的预测监测数据，且每个所述预测监测数据具备对应的预测标识位置；从所述预测监测数据中筛选出与所述测试集的每个所述数据集合内的监测数据的标识位置对应的预测同行区域数据；将所述预测同行区域数据的数值与所述数据集合内相同标识位置对应的原始监测数据进行对比，基于对比结果重新构建调控所述第二神经网络预测模型，直至所述第二神经网络预测模型生成的预测监测数据与原始监测数据之间的误差处于标准阈值范围内；从所述测试集的每个所述数据集合内选择多个外周监测点位作为输入参数时，按照标识位置从外到内的方式依次选择多个外周监测点位；确定每次测试工作对应的多个外周监测点位的标识位置，以及每次测试工作对应的第二神经网络预测模型生成的预测监测数据与原始监测数据之间的误差值，确定所述监测点位的选择位置对所述第二神经网络预测模型的预算输出数据的影响；步骤400、根据所述监测点位的选择位置对所述关联预测模型的预算输出数据的影响值，并从多个监测点位中具体选择用来对混凝土裂缝实际监测的定点监测点位；在所述步骤400中，将所述第一神经网络预测模型生成的预测监测数据与原始监测数据之间的误差，以及所述第二神经网络预测模型生成的预测监测数据与原始监测数据之间的误差进行对比，基于对比结果选择所述第一神经网络预测模型或第二神经网络预测模型作为关联预测模型。

全文数据：

权利要求：

百度查询： 成都建工第九建筑工程有限公司 基于光纤布拉格光栅技术的混凝土裂缝监测方法