申请/专利权人：广东省建筑设计研究院有限公司

申请日：2021-04-06

公开（公告）日：2024-03-01

公开（公告）号：CN113642822B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q50/08;G06N20/00

优先权：["20201204 CN 2020114055560"]

专利状态码：有效-授权

法律状态：2024.03.01#授权;2021.11.30#实质审查的生效;2021.11.12#公开

摘要：本发明提出一种用于评估建筑群结构安全的基于VAE的样本集指向性扩展法，可一定程度内对原有样本指标没有取值的样本空间进行指向性补充，使基础样本能遍布样本取值空间，由于VAE模型的潜变量空间具有先验分布的特性，且土木工程技术领域的样本分布与高斯分布相符，因此对样本进行指向性补充后，再以扩充样本集训练得出的解码器能产生适合深度学习模型容量的有效样本集，以便于依据改样本数据来进行深度学习以对建筑群进行安全评估。

主权项：1.一种用于评估建筑群结构安全的基于VAE的样本集指向性扩展法，其特征在于，包括如下步骤：步骤一，根据土木工程技术领域知识和数据库的特性确定物理意义指标及数量，所述物理意义指标包括结构体系和布置、地基基础状况、裂缝及损坏情况、整体和构件变形、耐久性、环境情况、历史情况以及连接关系；步骤二，以所述物理意义指标的个数作为潜变量个数，构建VAE模型并进行参数学习；步骤三，提取VAE模型中编码器的连接权重，然后通过输入特征与隐藏层单元的贡献度公式、隐藏层单元对潜变量的贡献度公式以及输入特征对潜变量的贡献度公式计算得出贡献度矩阵，其中，输入特征与隐藏层单元的贡献度公式、隐藏层单元对潜变量的贡献度公式以及输入特征对潜变量的贡献度公式依次为： 式中各代数的意义如下：N为输入特征个数；M为隐藏层单元个数；L为潜变量个数；WFi,Hj为输入层各单元与隐藏层各单元的连接权重；WHj,μk为隐藏层各单元与潜变量层的连接权重；CFi,Hj为第i个输入特征F对第j个隐藏层单元H的贡献度；CHj,μk为第j个隐藏层单元H对第k个潜变量μ的贡献度；CFi,μk为第i个输入特征F对第k个潜变量μ的贡献度；依据式3.1～3.3，计算得出贡献度矩阵行列式如下： 式中各代数的意义如下：μi为第i个潜变量；Fk为第k个输入特征；Ci,k为第i个潜变量对第k个输入特征的贡献度矩阵；步骤四，由土木工程技术领域技术人员填写物理意义指标Ij与输入特征Fk的依赖关系矩阵Rj,k，具备依赖关系的项填1，其余为0；步骤五，计算潜变量相对各物理意义指标的距离矩阵，获得各潜变量到各物理意义指标的距离，通过如下公式计算： 其中，Di,j为潜变量μi与物理意义指标Ij的相对距离；步骤六，通过“潜变量-指标匹配算法”，赋予潜变量对应所述物理意义指标的物理意义，所述“潜变量-指标匹配算法”，具体包括如下步骤：依据潜变量μi与指标Ij的距离矩阵Di,j，判断是否还有潜变量μi未被赋予物理意义；若是，则从距离矩阵Di,j搜索最小值，抹去该最小值对应的行μi与列Ij，并完成第i个潜变量与第j个指标的匹配；否则，算法结束；步骤七，各潜变量到各物理意义指标的距离作为与所述物理意义指标匹配的明晰度，依据所述明晰度判断是否采用所赋予的潜变量的物理意义，若是则生成期望指标样本，否则重新进行步骤一。

全文数据：

权利要求：

百度查询： 广东省建筑设计研究院有限公司 用于评估建筑群结构安全的基于VAE的样本集指向性扩展法

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