申请/专利权人：深圳市特区建工科工集团盛腾科技有限公司

申请日：2024-01-29

公开（公告）日：2024-04-26

公开（公告）号：CN117928480A

主分类号：G01C9/00

分类号：G01C9/00;G08B21/18;G08B31/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明提供了一种预制装配式建筑墙体倾斜监测与预警方法，包括监测点的设置及监测仪器的安装、数据的采集、数据的初步处理、数据的分析和数据的预警；本发明提供的一种预制装配式建筑墙体倾斜监测与预警方法，适用于建筑工程领域，具有实时性、精确性和广泛适用性等优点。

主权项：1.一种预制装配式建筑墙体倾斜监测与预警方法，其特征在于，所述方法包含以下步骤：1监测点的设置及监测仪器的安装；2数据的采集；3数据的初步处理；4数据的分析；5数据的预警；所述监测点的设置及监测仪器的安装，包括针对所述预制装配式墙体规划墙体倾斜监测位置，还包括根据所述规划的位置安装墙体倾斜监测仪器；所述数据的采集，包括使用所述墙体倾斜监测仪器对所述预制装配式墙体按照一定的时间间隔对所述预制装配式墙体进行倾斜监测，获得倾斜监测数据；所述数据的初步处理，包括所述数据的初步处理包括对所述倾斜监测数据进行初步处理，所述初步处理包括对所述倾斜监测数据进行异常值识别和填补，所述初步处理还包括对多数倾斜监测数据进行缺失值填补，所述异常值识别的方法采用密度聚类算法，最终获得处理后监测数据；所述数据的初步处理，包括所述密度聚类算法实施步骤为：a初始化参数，选择领域半径和最小邻居数作为算法的输入参数，所述领域半径选取范围为[0.1，10]，所述最小邻居数取值范围为[3，10]，b根据领域半径和最小邻居数，计算每个数据点的密度，密度可以通过计算在领域半径内的邻居数量来表示，c对所述数据点进行分类，如果所述数据点的密度大于等于最小邻居数，则标记为核心点，如果数据点的密度小于最小邻居数，同时位于某个核心的领域半径范围内，则标记为边界点，剩余的数据点标记为噪声点，d被标记为噪声点的数据视为异常值；所述数据分析，包括对多数处理后监测数据进行数据分析获得预测值，所述数据分析实施步骤为：a数据准备，采用归一化的方法对所述处理后监测数据进行归一化处理，并将数据按照一定的时间窗口按照7:3的比例划分为训练集和测试集，b构建输入输出序列，将所述训练集和测试集转化为适合长短期记忆神经网络输入的形式，同时将时间窗口内的历史数据作为输出序列，将下一个时间步骤的数据作为输出序列，c构建长短期记忆神经网络分析模型，所述模型隐藏层数量为1，所述模型隐藏层节点数为128，所述模型的激活函数采用自归一化指数线性函数fx，所述自归一化指数线性函数fx为式1， 式中，λ取值为1.05，α取值为1.67，d模型训练和测试，采用训练集数据对模型训练，所述模型训练设置的参数为学习率为0.001，批量大小取值为16，迭代次数取值为1000，所述模型训练完成后采用测试集数据进行模型测试并根据测试结果进行调整，最终获得调整后模型应用于数据分析。所述数据预警，包括根据所述获得的预测值与预警标准进行比较，根据比较结果达到预警的目的。

全文数据：

权利要求：

百度查询： 深圳市特区建工科工集团盛腾科技有限公司 一种预制装配式建筑墙体倾斜监测与预警方法

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