[发明专利]一种基于深度学习的大坝安全综合评判方法

摘要

本发明公开一种基于深度学习的大坝安全综合评判方法，采用多层次大坝安全监测系统进行安全综合评判。包括以下步骤：1)大坝安全监测测点分级，根据大坝工程特性，将监测系统抽象成树状结构；2)监测测点数据预处理，对测点数据填补缺失值、剔除明显异常值；3)测点阈值计算和分类，对测点选取模型进行计算，确定测点阈值并对测点分类；4)构建卷积网络进行训练和评判，由专业监测人员巡检得到大坝以及监测系统各级的评判结果，作为训练集和测试集，然后基于训练集和测试集训练卷积神经网络，最后对大坝进行安全综合评判。

主权项

1.一种基于深度学习的大坝安全综合评判方法，用于大坝监测系统的安全综合评判，其特征在于，包括四个方面：大坝安全监测测点分级，监测测点数据预处理，测点阈值计算和分类，构建卷积网络训练和评判；1)大坝安全监测测点分级，根据大坝工程结构对监测系统进行抽象，然后对监测测点编号，最后从自动化监测系统中采集测点数据并存储；2)监测测点数据预处理，填补缺失值和剔除明显异常值；3)测点阈值计算和分类，对预处理后的数据，首先确定样本容量，然后选取模型计算，并计算样本均方误差，选取最优模型并划分阈值，最后对测点分类；4)构建卷积网络训练和评判，根据大坝运行实际情况和工程经验，由监测人员检查得到大坝以及监测系统各级的评判结果，作为训练集和测试集；然后基于训练集和测试集训练卷积神经网络，最后对大坝进行安全综合评判；所述步骤3)包含以下步骤：3.1)确定样本容量：导入经过预处理之后的样本数据，选取初始窗口长度，划分训练样本和测试样本；3.2)选取模型计算：对候选模型分别进行拟合，得到对应的拟合的方程，用拟合方程计算所需预测日期的前一天的径向位移作为校验，得到校验误差，校验误差作为对模型的校验；3.3)计算样本均方差，其计算公式为：其中n为样本的数量，i代表第i个样本，y_i为样本的估计值，为估计值的平均值，n‑1即为计算一元回归分析时样本均方误差的自由度；然后每次将样本量——步长加1，进行3.2)操作；如果增加样本量样本均方误差减小，那么应该继续找最优模型，如果连续7次都没有更新样本均方误差，则认为找到局部最优值；3.4)划分测点阈值：统计各个模型的拟合结果，以样本均方误差值作为模型拟合的衡量指标，比较上述各个模型中任意两种模型中的样本均方误差的大小来确定最终的动态最优模型，采用最优模型的计算结果为预测值，根据测点实测值和预测值计算相对误差，即为阈值；3.5)测点分类，根据大坝的运行状态对测点的分类。