[发明专利]一种基于深度学习的砂土液化判别方法及装置

权利要求书

1.一种基于深度学习的砂土液化判别方法及装置，其特征在于，包括：步骤一，选取工程实际中容易获得和确定的且与液化关系密切的影响砂土液化因素，选取了6种因素，包括：震级、研究深度、震中距、标贯击数、地下水位和地震持续时间；步骤二，根据选取的6个因素收集大量实例数据集；步骤三，利用Matlab软件对数据集进行预处理，比如数据归一化；步骤四，把处理后的数据集分为三部分，分别为训练集、验证集和测试集，约占全部数据集的50％、20％、30％；步骤五，把三部分数据集依次输入建立好的深度学习模型DBNs中，训练集用于深度学习模型进行拟合训练和特征提取，验证集用于对模型的参数微调，测试集用于检验模型判别的效果，如判别正确率达到95％以上可生产出售；步骤六，根据用户指令在DBNs中导入待判别样本数据集；步骤七，系统会自动根据模型参数判别出结果，结果对应为砂土液化或未液化；其装置主要包括：厂家设置板块和用户运用板块，本发明的实施例提供一种基于深度学习的砂土液化判别方法及装置。

2.根据权利要求1所述的判别方法及装置，其特征在于，所述判别方法为：选取影响砂土液化的因素，收集大量实例数据集并用Matalb软件预处理后输入深度学习模型DBNs中，利用深度学习技术进行训练和提取数据特征等工作，确定模型的最优参数，然后导入待判别样本数据集，系统会根据参数判别出样本的结果。

3.根据权利要求1所述的判别方法，其特征在于，所述判别方法为：在把数据集输入深度学习模型DBNs时，分成训练集、验证集和测试集依次输入，训练集用于深度学习模型DBNs进行拟合训练和特征提取，验证集用于对模型的参数微调，测试集用于检验模型的效果。

4.根据权利要求1所述的判别方法，其特征在于，所述检验方法为：测试集是由砂土液化和非液化的实例组成的，在我们已经知道了每个实例对应的砂土状态下，我们把实例的因素数据集输入模型时，模型会判别出一个结果，这个结果再与实例对比，如果和实例一样则是正确的，反之则是错误的，通过大量的测试就可以得出模型判别的正确率，即可以检验模型的判别效果。

5.根据权利要求1所述的判别方法及装置，其特征在于，所述判别装置包括：厂家设置板块，厂家选取工程实际中容易获得和确定的且与液化关系密切、有较强分辨能力的因素，收集并处理数据集，对深度学习模型DBNs进行训练等工作，产品合格后出售；用户运用板块，用于根据用户指令，导入待判别砂土液化状态的数据集，装置会自动判别出结果，并将结果输出。

6.根据权利要求5所述的装置，其特征在于，所述判别装置还包括：准备模式，选取影响砂土液化的主要因素，根据因素收集大量实例数据集，并对数据集预处理；训练模式，用于根据厂家指令把训练集、验证集和测试集依次输入深度学习模型DBNs中，进行特征学习、参数微调、结果检验等工作；功能模式，用于根据用户指令，在装置中导入待判别的样本数据集，在训练模式基础上判别出样本的砂土液化状态；输出模式，将功能模式的结果进行输出，砂土的状态对应液化或者未液化。

7.根据权利要求6所述的装置，其特征在于，所述判别装置还包括：选取单元，选取容易获取的影响砂土液化的主要因素；处理单元，对大量的数据集进行预处理和分类；学习单元，在DBNs中用训练数据集进行特征学习；优化单元，用验证数据集对模型的参数进行调整，优化模型在区分不同类别信息上的性能；检验单元，用测试数据集检验模型判别效果，如判别正确率等；结果单元，导入待判别的样本数据时，系统自动判别出结果。