申请/专利权人：四川省震灾风险防治中心

申请日：2023-09-22

公开（公告）日：2023-12-22

公开（公告）号：CN117270038A

主分类号：G01V1/28

分类号：G01V1/28;G01V1/30;G06F18/2415;G06F18/214;G06F18/21;G06N3/086;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.09#实质审查的生效;2023.12.22#公开

摘要：改进遗传算法优化BP神经网络的建筑物震害评估模型，训练方法包括如下步骤：步骤1.从历史地震案例中收集建筑物震害数据，包括建筑物震害主要影响因素及破坏等级；步骤2.对未数字化的建筑物震害数据进行数字化定量表示；步骤3.对数字化后的建筑物震害数据进行均衡化和归一化处理，得到的样本数据集；步骤4.构建反向传播神经网络，通过改进遗传算法对其进行优化，构建建筑物震害评估模型。本发明通过采用非线性自适应调整交叉率和变异率的方法，重新生成训练个体，改进传统遗传算法固定的交叉率和变异率，提高了反向传播神经网络模型的泛化能力，得到的模型输出结果与实际结果一致性好，准确性高，可以实现对建筑物震害的快速准确评估。

主权项：1.改进遗传算法优化BP神经网络的建筑物震害评估模型训练方法，其特征在于，包括如下步骤：步骤1.从历史地震案例中收集数据，包括建筑物震害主要影响因素及震后的建筑物破坏等级；步骤2.对未数字化的主要影响因素进行数字化定量表示；步骤3.对数字化后的建筑物震害主要影响因素及震后的建筑物破坏等级进行均衡化和归一化处理，得到用于训练建筑物震害评估模型的样本数据集；步骤4.训练及模型构建；步骤4-1.将样本数据集划分为训练集、验证集和测试集；训练集用于模型训练，验证集用于调整模型参数，测试集用于评估模型性能；步骤4-2.构建反向传播神经网络，使用实数编码的方法对反向传播神经网络的随机初始权值和阈值进行编码，将各条样本数据赋予随机初始权值和阈值，赋予初始值后的每一条样本数据作为一个个体，其基因值为用实数表示的权值和阈值。根据每个个体的权值和阈值计算反向传播神经网络的均方误差，将均方误差的倒数作为适应度函数，计算每个个体的适应度值，计算公式如下所示： 式中，N为输入的样本总数，yn是网络预测的第n个个体的建筑物破坏等级输出值，为网络实际输出的第n个个体的建筑物破坏等级值；步骤4-3.根据步骤4-2得到的适应度，采用遗传策略对个体进行筛选；步骤4-4.计算筛选后个体的自适应交叉率和变异率，公式如下： 上式中，fmax为种群中的最大适应度值，favg为种群的平均适应度值，f′为两交叉个体中适应度较大的适应度值，f为变异个体的适应度值，和Pcmin分别为最大交叉概率和最小交叉概率，和Pmmin分别为最大变异概率和最小变异概率，根据计算的交叉率和变异率进行交叉和变异，产生新一代个体；步骤4-5.按照公式1计算每个个体的适应度值，判断是否达到预设的误差要求，如果满足预设的误差要求，则得到通过改进遗传算法搜索到的最优权值和阈值；否则，返回步骤4-3，再进行上述操作，直到达到预设的误差要求或达到最大循环次数为止；步骤4-6.利用最优的初始权值和阈值替换反向传播神经网络随机产生的初始权值和阈值，通过训练集和验证集对基于改进遗传算法优化的反向传播神经网络模型进行训练和调参，得到基于改进遗传算法优化的反向传播神经网络建筑物震害精细化评估模型。将测试集样本输入改进遗传算法优化的反向传播神经网络模型中，输出单体建筑物的破坏等级。

全文数据：

权利要求：

百度查询： 四川省震灾风险防治中心 改进遗传算法优化BP神经网络的建筑物震害评估模型

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD