[发明专利]基于深度学习的隔震结构生成方法及装置

说明书

本发明提供一种基于深度学习的隔震结构生成方法及装置，方法包括：获取待处理的建筑设计图和隔震结构设计条件；基于建筑设计图和隔震结构设计条件，得到上部结构设计图；将上部结构设计图和隔震结构设计条件输入隔震层设计模型，得到隔震层设计模型输出的隔震层布置参数；隔震层设计模型是基于隔震设计样本数据对深度神经网络模型进行训练得到的；基于隔震层布置参数和上部结构设计图，生成隔震结构设计结果。通过隔震层设计模型能够基于上部结构设计图和隔震结构设计条件获得隔震层布置参数，进而得到合理的隔震结构设计结果，可以有效提高隔震结构设计效率，降低隔震结构设计过程中对专业经验的依赖性。

技术领域

本发明涉及建筑结构设计技术领域，尤其涉及一种基于深度学习的隔震结构生成方法及装置。

背景技术

建筑结构的抗震性能作为影响结构安全性的重要因素，已经得到广泛关注，由于隔震结构的设计可以有效提高建筑结构的抗震性能，因此，隔震结构设计越来越多的应用于建筑结构的设计方案中。

但是，现有的隔震结构设计方案一般由专业的工程师设计完成，该设计过程不仅过度依赖专业经验，而且存在耗时耗力的问题，设计效率低，且设计结果因人而异，差异性较大。

发明内容

本发明提供一种基于深度学习的隔震结构生成方法及装置，用以解决现有技术中人工设计隔震结构的方式过度依赖专业经验、耗时耗力、设计效率低且设计结果差异性较大的不足。

第一方面，本发明提供一种基于深度学习的隔震结构生成方法，该方法包括：

获取待处理的建筑设计图和隔震结构设计条件；

基于所述建筑设计图和所述隔震结构设计条件，得到上部结构设计图；

将所述上部结构设计图和所述隔震结构设计条件输入隔震层设计模型，得到所述隔震层设计模型输出的隔震层布置参数；其中，所述隔震层设计模型是基于隔震设计样本数据对深度神经网络模型进行训练得到的；

基于所述隔震层布置参数和所述上部结构设计图，生成隔震结构设计结果。

根据本发明提供的一种基于深度学习的隔震结构生成方法，所述隔震层设计模型通过如下方式训练得到：

获取隔震设计样本数据；

根据所述隔震设计样本数据的数据量，确定模型训练方式；其中，所述模型训练方式包括监督训练、半监督训练以及无监督训练；

通过确定的所述模型训练方式，利用所述隔震设计样本数据对预先构建的深度神经网络模型进行训练，得到隔震层设计模型。

隔震层设计模型的训练过程，可以根据隔震设计样本数据的数据量选择相应的模型训练方式，训练过程更加灵活、高效，得到的隔震层设计模型数据处理精度更高。

根据本发明提供的一种基于深度学习的隔震结构生成方法，通过确定的所述模型训练方式，利用所述隔震设计样本数据对预先构建的深度神经网络模型进行训练，得到隔震层设计模型之后，还包括：

对隔震层设计模型进行评估，根据评估结果判断所述隔震层设计模型是否具备应用条件。

通过对隔震层设计模型进行评估可以确定训练得到的模型是否具体应用条件，进而可以保证应用后的隔震层设计模型数据处理可靠性更高。

根据本发明提供的一种基于深度学习的隔震结构生成方法，利用所述隔震设计样本数据对预先构建的深度神经网络模型进行训练，得到隔震层设计模型，包括：

将所述隔震设计样本数据中上部结构设计图样本和隔震结构设计条件样本输入参数生成器，输出隔震层布置参数样本；

将所述隔震层布置参数样本输入参数评估器，输出参数误差；