[发明专利]一种用于桥梁技术状况的测试方法

权利要求书

1.一种桥梁技术状况预测方法，其特征在于，所述方法包括以下步骤：

(1)通过现场调研、数据采集、数据分析，得到桥梁技术状况分布规律；

(2)通过步骤(1)得到的桥梁分布规律，确定相应桥梁技术状况影响因素并计算生成预测模型特征向量；

(3)根据步骤(2)确定的影响因素及其预测模型特征向量，实施基于长短期记忆性循环深度网络的桥梁技术状况预测模型的构建、训练及可靠性分析；

(4)将待预测桥梁数据输入步骤(3)构建的模型中，得到桥梁技术状况预测结果；

其中，所述步骤(3)的构建预测模型的实施过程包括以下步骤：

①根据影响因素和预测模型特征向量，对桥梁技术状况预测问题进行定义；

②根据步骤①对桥梁技术状况预测问题的定义，确定桥梁技术状况预测的评估标准及标准评估参数，建立评估训练数据集；

③确定评级桥梁技术状况结果的基线和目标集；

④模型训练：编写训练程序，输入训练数据对桥梁预测模型进行训练；

⑤模型评估：根据步骤②和③的评估训练数据集、基线和目标集对模型进行评估；

⑥模型再训练与服务部署：重复步骤④和⑤，直至达到步骤③确定的目标；进行线上测试，继续重复步骤④和⑤，直至训练出在基线以上并满足模型验证参数的预测模型；

其中，所述步骤(1)中数据分析方法为通过决策树分类器对收集到的数据进行自动分类；

其中，所述步骤(2)中因素包括但不限于：桥梁在当地气候、水文地理环境、交通量中的一种或多种。

2.根据权利要求1所述的桥梁技术状况预测方法，其特征在于，所述步骤(3)预测模型的实施过程中步骤①根据特征向量，进而确定长短期记忆性循环深度网络的隐藏层的层数和节点数，构建具体的深度网络预测模型。

3.根据权利要求1所述的桥梁技术状况预测方法，其特征在于，所述步骤(3)预测模型的实施过程中步骤②预测模型的标准评估参数包括精确率、召回率、F1值和ROC曲线下面积。

4.根据权利要求3所述的桥梁技术状况预测方法，其特征在于，所述步骤(3)预测模型的实施过程中步骤②中预测的评估标准为：精确率为90％-98％，召回率为85％-98％，0≤F1≤1。

5.根据权利要求4所述的桥梁技术状况预测方法，其特征在于，所述步骤(3)预测模型的实施过程中步骤②中预测的评估标准为：精确率为95％-98％，召回率为92％-98％，0.5≤F1≤1。

6.根据权利要求1所述的桥梁技术状况预测方法，其特征在于，所述步骤(3)预测模型的实施过程中步骤③基线指：(a)一二类桥的占比为桥梁总量的90％-99％；(b)三类桥的占比为桥梁总量的0％-10％；(c)四类桥、五类桥的占比分别为桥梁总量的0％-5％。

7.根据权利要求1所述的桥梁技术状况预测方法，其特征在于，所述步骤(3)预测模型的实施过程中步骤③目标集指一组关于桥梁技术状况等级分布情况的结果向量集合，描述了桥梁技术状况预测模型输出结果的数学表现形式，具体为：

F＝{a1 ,a2 ,a3 ,a4 ,a5}

式中，F——桥梁技术状况等级分布情况向量；

a1 ,a2 ,a3 ,a4 ,a5——一-五类桥的分布占比。

8.根据权利要求1所述的桥梁技术状况预测方法，其特征在于，所述步骤(3)预测模型的实施过程中步骤⑤将训练的桥梁技术状况预测模型输入步骤②的评估训练数据集，通过步骤②的标准评估参数对桥梁预测结果进行评估，分析评估结果，与上一次的模型结果以及目标集进行对比；标记错误数据，调整影响参数或增加网络隐藏层，进行步骤⑥。