利索能及
我要发布
收藏
专利号: 2019103719476
申请人: 河海大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-04-30
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于测点时空特征的工程安全监测系统区域划分方法,其特征在于,包括如下步骤:(1)测点时空特征表示阶段:采用时序降噪自动编码器,压缩高维监测数据表征测点时序特征,通过归一化方法表示测点空间特征;

(2)区域划分阶段:根据基于测点时空特征的区域划分算法RPA,引入辅助目标变量优化区域划分目标函数,使区域划分结果反映结构体运行物理规律,将全局安全评判问题分治到局部单域上;

所述步骤(1)中测点时空特征表示阶段包括如下步骤:

(1.1)时序特征表示:针对高维度、多噪声的测点时序数据,提出时序降噪自动编码器TSDA,在训练过程中向样本数据集中加入随机噪声数据;编码阶段利用卷积层Conv2D和最大池化层MaxPooling2D实现时序数据特征压缩表示,解码阶段采用与编码过程相对的卷积层和上采样层UpSampling2D将压缩表示重构为原始输入;TSDA的输入和输出相同,其目标函数为重构误差,以此优化编码器和解码器;

(1.2)空间特征表示:测点空间特征数据包括位置坐标信息、测点关注程度、仪器类型,利用归一化方法进行处理;记xi空间特征表示FS为 sx为特征维数;

所述步骤(2)中区域划分阶段包括如下步骤:

(2.1)构造区域划分目标函数

(2.2)对区域划分目标函数 中包含的隐变量,进行迭代求解。

2.根据权利要求1所述的一种基于测点时空特征的工程安全监测系统区域划分方法,其特征在于,所述步骤(1.1)中时序特征表示的具体步骤如下:(1.1.1)序列输入:选取测点xi长度为λ时间序列 通过Reshape操作将转变为二维矩阵 同时向 中加入高斯随机噪声,得到TSDA输入;

(1.1.2)编码阶段:多个卷积层和最大池化层交替堆叠组成编码器,压缩输入数据得到特征表示;

(1.1.3)解码阶段:多个卷积层和上采样层交替堆叠组成解码器,将数据特征表示还原为重构输入;

(1.1.4)编解码目标函数:原始输入和重构输入的误差作为损失函数;

TSDA训练完成后保存权重,仅使用其中的编码器完成时间序列特征压缩表示;设xi的时序特征FT表示为 tx为时序特征维数,且tx<<λ;TSDA具有降维作用。

3.根据权利要求1所述的一种基于测点时空特征的工程安全监测系统区域划分方法,其特征在于,所述步骤(1.2)中空间特征表示的具体步骤如下:(1.2.1)位置坐标信息特征表示:由于结构体所占空位范围较大,导致各测点位置坐标数据分化大;经过坐标系内的单位换算,将坐标值量纲统一,统一为米;利用函数进行转换,其中sgn(x)为符号函数,避免某些坐标系中选择的坐标原点不同而导致坐标值出现负值;

(1.2.2)离散值和连续值特征表示:离散值通过One-Hot编码表示;测点关注程度若分为重要、一般,则用两个状态位表示,对应编码为[0,1]和[1 ,0];利用函数归一化连续值。

4.根据权利要求1所述的一种基于测点时空特征的工程安全监测系统区域划分方法,其特征在于,所述步骤(2.1)中构造区域划分目标函数 的具体步骤如下:测点时序特征被时序降噪自动编码器TSDA表示为 空间特征经过归一化操作被表示为 则特征映射为 将测点原始特征映射到隐特征空间;记测点xi属于区域rj的概率为pij,qij是pij的真实值;pij和qij分别服从某种概率分布P和Q,P为测点属于区域概率分布的预测值,Q为测点被划分至各区域的实际概率分布;求解过程转化为通过优化参数使得预测分布P尽可能接近真实概率分布Q;使用KL散度KL-Divergence描述预测分布P与实际分布Q之间的距离;其中:借助实际目标分布变量Q迭代地优化和加强区域划分概率分布P,从而提高区域划分纯度和精度;为了避免P陷入局部最优解和退化解,向实际目标分布变量Q中加入正则项,设Q的经验分布为 Γj代表区域划分结果中测点属于区域rj的经验概率分布,将其加入目标中以增强区域划分性能;设经验分布Γ的先验分布为H,若存在关于区域划分的领域先验知识,用高斯分布来初始化先验分布;引入经验分布Γ与其先验分布H之间的距离KL(Γ||H),使区域划分能够体现人工经验与领域知识;其中:KL(Q||P)和KL(Γ||H)共同组成区域划分目标函数

第一项 使得目标分布Q和预测概率分布P尽可能接近,第二项

为正则项,平衡各区域中划分的测点数量,避免陷入局部最优解和退化解;通过优化目标函数 求解区域划分概率分布P。

5.根据权利要求1所述的一种基于测点时空特征的工程安全监测系统区域划分方法,其特征在于,所述步骤(2.2)中对区域划分目标函数 中包含的隐变量,进行迭代求解的具体步骤如下:(2.2.1)固定参数估计目标分布

由于测点xi被划分至区域的概率之和为1,所以目标分布Q满足概率约束 求偏导得:令偏导数为0,此时无法求出qij的闭式解;考虑到测点数量较多,n足够大时将其移除得到近似梯度,求解得到下式,用来更新目标分布Q;

利用ψ(pij,Θ)更新目标分布Q;

(2.2.2)固定目标分布更新参数

目标分布已知时,通过梯度法更新参数集Θ,最小化标准交叉熵函数交替迭代上述两个步骤,直至收敛。