[发明专利]一种大型工程结构安全风险评估方法及系统

权利要求书

1.一种大型工程结构安全风险评估方法，其特征在于，包括：

依据历史监测指标和历史风险指标之间的相关关系构建提取块；

结合专家知识构建处理块；

采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；

采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；

将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。

2.根据权利要求1所述的大型工程结构安全风险评估方法，其特征在于，所述依据历史监测指标和历史风险指标之间的相关关系构建提取块，具体包括：

计算历史监测指标和历史风险指标之间的互信息；

根据所述互信息，确定相对互信息；

根据所述相对互信息将所有历史监测指标分成偶数组合和奇数组合；

将所述偶数组合或所述奇数组合输入层次置信规则库BRB，得到上一级层次置信规则库BRB的输出u_H-1和u_H；

将所述上一级层次置信规则库BRB的输出u_H-1和u_H，输入至置信规则库BRB-0，得到置信规则库BRB-0的输出y₀；所述上一级层次置信规则库BRB的输出u_H-1和u_H和置信规则库BRB-0的输出y₀共同作为提取块的输出，也是处理块的输入。

3.根据权利要求1所述的大型工程结构安全风险评估方法，其特征在于，所述结合专家知识构建处理块，具体包括：

将所述置信规则库BRB-0的输出y₀作为第一输入输入至置信规则库BRB-1，BRB-1的输出y₁输入BRB-2，以此类推至BRB-(M)，同时，将所述提取块中层次置信规则库BRB的输出u_H-1和u_H分别作为第二输入输入至置信规则库BRB-1、BRB-2、...、BRB-(M)中，最终得到处理块输出y_M。

4.根据权利要求1所述的大型工程结构安全风险评估方法，其特征在于，所述采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块，具体包括：

构造提取块的目标函数；

使用投影协方差矩阵自适应进化策略递归优化层次置信规则库BRB中各子BRB的参数，直到所有的子BRB模型得到优化，确定优化后的提取块。

5.根据权利要求1所述的大型工程结构安全风险评估方法，其特征在于，所述采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，具体包括：

构造处理块的目标函数；

使用投影协方差矩阵自适应进化策略优化初始处理块中置信规则库BRB-1；

以优化后的BRB-1参数作为初始参数生成处理块中置信规则库BRB-2，上一级层次置信规则库BRB的输出u_H-1、u_H和优化后的BRB-1输出作为处理块置信规则库BRB-2的输入；

利用投影协方差矩阵自适应进化策略对处理块置信规则库BRB-2进行优化，直至满足结束条件时处理块的优化停止；所述结束条件为g_q≥G_max or q≥Q_max or E_q＜e；

其中，g_q是BRB-q优化过程的迭代次数，G_max是最大迭代次数，Q_max是最大层数，e是预期的建模误差。

6.一种大型工程结构安全风险评估系统，其特征在于，包括：

提取块构建模块，用于依据历史监测指标和历史风险指标之间的相关关系构建提取块；

处理块构建模块，用于结合专家知识构建处理块；

提取块优化模块，用于采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；

处理块优化模块，用于采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；

安全风险评估结果确定模块，用于将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。