[发明专利]中小跨径桥梁群结构性能预测装置及系统

权利要求书

1.一种中小跨径桥梁群结构性能预测装置，用于对由多个中小跨径的桥梁组成的桥梁群的结构性能进行预测，其特征在于，包括：

检测报告存储部，存储有每个所述桥梁的历年检测报告；

数据库构建部，根据所述历年检测报告构建所述桥梁群的关系数据库；

模型存储部，存储有根据所述关系数据库完成训练检验的神经网络模型，该神经网络模型用于预测所述桥梁群的结构性能退化；

方案存储部，存储有多种用于维修所述桥梁的预定维修方案；以及

性能预测部，利用所述神经网络模型进行计算，从而预测所述桥梁群的整体结构及局部构件的性能变化趋势，

其中，所述数据库构建部包括：

数据提取单元，从所述历年检测报告中提取出每个所述桥梁的原始评估数据，所述原始评估数据包括每个所述桥梁的技术状况评分、桥龄、结构类型、交通量以及维修行为；

清洗规则存储单元，存储有用于对所述原始评估数据进行清洗的数据清洗规则；

数据清洗单元，根据所述数据清洗规则对所述原始评估数据进行清洗从而得到预测评估数据；

数据处理单元，对所述预测评估数据进行处理并构建为一个基于所述预测评估数据为属性集的所述关系数据库，所述属性集包括所述桥梁的维修行为属性、结构类型属性、桥龄属性、交通量属性以及技术状况评分属性，

所述性能预测部包括：

桥梁记录生成单元，根据所述桥龄的增加从最近一次待预测年份起为不同的桥龄生成相对应的桥梁记录；

维修行为取值单元，根据所述预定维修方案获取所述桥梁记录中所述维修行为的取值；

桥梁记录填充单元，将所述结构类型和所述交通量分别填充至每个所述桥梁记录中；

技术状况评分输出单元，将所述桥梁记录作为所述神经网络模型的输入，从而输出在所述预定维修方案下各年的预测技术状况评分。

2.根据权利要求1所述的中小跨径桥梁群结构性能预测装置，其特征在于：

其中，所述数据处理单元包括：

维修行为处理子单元，对所述维修行为属性进行二值变换，若所述桥梁进行了维修，则将相对应的所述维修行为属性的值设定为1，反之则为0；

结构类型处理子单元，对所述结构类型属性进行矢量化处理；

桥龄处理子单元，对所述桥龄属性进行归一变换，计算公式为：

a'为归一变换后的桥龄，a为归一变换前的桥龄，a_max为桥龄的最大值；

交通量处理子单元，对所述交通量属性进行归一变换，计算公式为：

β'为归一变换后的交通量，β为归一变换前的交通量，β_max为交通量的最大值；

技术状况评分处理子单元，对所述技术状况评分属性进行归一变换，计算公式为：

c'为归一变换后的技术状况评分，c为归一变换前的技术状况评分。

3.根据权利要求1所述的中小跨径桥梁群结构性能预测装置，其特征在于：

其中，所述神经网络模型为多隐层前馈神经网络模型，包括输入层和输出层，

所述输入层具有6个输入层神经元，所述输入神经元中的3个与所述结构类型相对应，其余3个分别与所述桥龄、所述交通量以及所述维修行为相对应，

所述输出层具有1个输出层神经元，所述输出神经元与每年的所述技术状况评分相对应，

所述输入层神经元和所述输出层神经元在所述神经网络模型的层间均定义连接，同时在所述神经网络模型的层内不存在连接。

4.根据权利要求3所述的中小跨径桥梁群结构性能预测装置，其特征在于：

其中，所述神经网络模型的网络学习率初始化为0.1。

5.根据权利要求3所述的中小跨径桥梁群结构性能预测装置，其特征在于：

其中，所述神经网络模型还包括隐含层，所述隐含层中设定有20个隐含层神经元。

6.根据权利要求3所述的中小跨径桥梁群结构性能预测装置，其特征在于：

其中，所述神经网络模型的损失函数定义为模型输出的预测值与真实值之间的均方差。