基于大数据的建筑综合防灾数据处理方法及系统、计算机技术方案

本发明专利技术属于建筑综合防灾领域，公开了一种基于大数据的建筑综合防灾数据处理方法及系统、计算机，输入器通过导线与处理器连接；计算器与处理器通过导线相连；云端服务器与处理器相连；处理器通过导线与转换器相连；转换器通过导线与放大器相连。本发明专利技术通过云计算提供基础架构平台，将结构设计模型、设计弯矩、剪力、轴力、风荷载、地震作用、材料类型、强度运行在这个平台上，通过分布式处理系统等程序将在不同地点的不同数据的多种平台用通信网络连接起来，综合satewe分析有限元分析，协调地规范信息处理任务，通过比较得出符合所设计的建筑防灾处理办法，根据所得到的数据分析出超限环节，再加以补强，是以一种可靠、高效、可伸缩的处理办法。

【技术实现步骤摘要】
基于大数据的建筑综合防灾数据处理方法及系统、计算机
本专利技术属于建筑综合防灾领域，尤其涉及一种基于大数据的建筑综合防灾数据处理方法及系统、计算机。
技术介绍
目前，业内常用的现有技术是这样的：当前城市的发展面临着诸多问题，人口的快速扩张，导致资源的紧张以及环境的恶化，人口压力变大，土地资源日益短缺，众多的高楼拔地而起，随之而来的是地震、火灾等各种灾害，为了更好地维护建筑财产的可靠度和耐久性，需要将建筑的结构设计模型、设计弯矩、剪力、轴力、风荷载、地震作用、材料类型、强度信息技术融合一起，建设智慧城市，利用云计算、大数据为建筑综合防灾提供技术支撑。大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。然而现有技术中，数据处理对于“大数据”研究机构给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。综上所述，现有技术存在的问题是：覆盖面窄，综合性能不强，缺乏一定的创新性，不能和社会的发展同步。目前发达国家在这方面都有相应的法律法规，都是针对主体结构的常规检测，对一些特殊及建筑综合防灾需求很少注意到，在一些分析的方案中过于片面，缺乏时效性，对抵抗灾害缺乏一定的创新有效性。而我国在这方面也缺少相应的制度和应用环境，只追求表面不能与设计规范、国家标准相结合，需要进一步完善相关的产业建设。现有技术中，计算建筑防灾数据，对于干扰受限的计算器直通的通信信号，需要在考虑业务随机到达和时变信道条件下，需要专业人员建立理论分析模型，设计功率分配算法。从而定量揭示出建筑防灾数据的真实性，造成现有技术工程设计中建立理论准则难，不能预测准时数据。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于大数据的建筑综合防灾数据处理方法及系统、计算机。本专利技术是这样实现的，一种基于大数据的建筑综合防灾数据处理方法，包括：通过输入器将建筑的结构设计模型、设计弯矩、剪力、轴力、风荷载、地震作用、材料类型、强度输入，然后由处理器把计算指令发送给计算器，计算器运用多元统计方法综合satewe分析、有限元分析对数据进行计算，得出建筑防灾数据模型；多元统计方法对数据进行计算中，对于大数据网络覆盖的干扰受限的计算器的通信系统，引入组的概念，假设通信系统存在R个正交的频段，将工作在同一个正交频段的所有用户定义为一个组，即系统存在R个组，因此用户间的干扰只存在于组内，组与组之间不存在干扰；给出组r内工作在蜂窝模式的用户在基站的接收信干噪比和工作在计算器直通模式的用户在计算器直通接收端的接收信干噪比的定义公式；通过香农公式给出组r内工作在蜂窝模式的用户的传输速率和计算器直通模式的用户的传输速率的定义公式；给出系统工作在蜂窝模式的用户的传输速率Rm(t)、工作在计算器直通模式的用户的传输速率Rn(t)和所有工作的用户的总传输速率Rtot(t)的定义公式；给出单用户的瞬时功耗Pk(t)、长期的平均功耗和系统瞬时总功耗Ptot(t)的定义公式：其中，ξk为功率放大器的功效系数，为一个示性参数，如果用户k是组r内工作的用户，则值为1；否则值为0，为组内工作的用户k的发送功率，为设备的固定电路功耗：其中，Pk(t)为单用户的瞬时功耗，T为时隙数；其中，ξk为功率放大器的功效系数，为组r内工作的用户k的发送功率，为设备的固定电路功耗；为了定量的刻画能效与时延之间的折衷关系，给出了实际数据队列Qk(t)更新公式和能效ηEE的定义公式；具体为：Qk(t+1)＝max[Qk(t)-Rk(t),0]+Ak(t)；其中，max[Qk(t)-Rk(t),0]为Qk(t)-Rk(t)与0的最大值，Rk(t)为时隙t的业务离开速率，Ak(t)为时隙t的业务到达速率；网络能效ηEE定义为长期的网络总功耗与相应的总的传输数据量的比值，单位为Joule/bit/Hz，能够描述时变信道条件和随机业务到达对时延性能的影响，定义公式：其中，为系统长期平均总功耗，为系统长期平均总传输速率；建立建筑防灾数据模型揭示基于大数据网络覆盖的干扰受限的计算器直通的通信系统的能效与时延折衷关系：s.t.C1:C2:排队队列Qk(t)平均速率稳定，C3:C4:C5:其中，为用户每个时隙的平均功耗门限，为组内所有工作在计算器直通模式的用户对工作在蜂窝模式的用户的干扰门限，为组内所有工作在蜂窝模式的用户对工作在计算器直通模式的用户的干扰门限；C1用于保证移动设备的生存期；C2是队列稳定性约束，用于保证所有到达的数据在有限的时间内离开网络；C3限制组内所有工作在计算器直通模式的用户对工作在蜂窝模式的用户的干扰；C4限制组内所有工作在蜂窝模式的用户对工作在计算器直通模式的用户的干扰；C5是一个非负传输功率约束；为处理建筑防灾数据模型的限制条件C1，引入并给出虚拟功率队列Vk(t)的概念和定义公式，其中Vk(0)＝0；如果功率分配算法使所有的虚拟功率队列稳定，则满足平均功率限制C1：Vk(t+1)＝max[Vk(t)+yk(t),0]其中，max[Vk(t)+yk(t),0]为Vk(t)+yk(t)与0的最大值，Pk(t)为单用户的瞬时功耗，为用户每个时隙的平均功耗门限；利用非线性分数规划，将最优化问题转化成为如下最优化问题：s.t.C1，C2，C3，C4，C5；其中，其中，为系统长期平均总功耗，为系统长期平均总传输速率，Ptot(P(τ),G(τ))为系统瞬时总功耗，Rtot(P(τ),G(τ))为系统瞬时总传输速率；再运用集值统计方法进行统计处理，得出建筑超限数据；集值统计方法进行统计处理中，建立带权的高斯平滑滤波器矩阵模型：式中:Q为滤波器矩阵，Q为1*n的矩阵；n为矩阵大小阀值；i为距离中心坐标点的相对坐标值，即Q[i]所得为该坐标点相对中心点的权重差；计算高斯平滑中心点相对左右阀值的差值和；式中:S[k]为中心点相对左右阀值的差值和；buf[k]为中心点的样本测量值；n为滤波器矩阵大小；计算高斯平滑处理后的样本值：得出建筑超限数据；式中:buf′[k]为中心点处理后的值；buf[k]为中心点的样本测量值；n为滤波器矩阵大小；然后通过处理器发送指令给云端服务器；将云端的大数据进行下放，通过放大器和转换器的综合处理，将所传输的数据发送给比较器中，通过和云端的大数据比对，得出建筑对比数据；然后将所完善的信息发送至调节器中，综合成本数据、结构数据、设施数据，得出防灾数据处理模型，然后通过显示设备直观显示。进一步，利用非线性分数规划，将最优化问题转化成为如下最优化问题后，还需进行：利用利亚普洛夫偏移技术，设计出求解转化问题的能效-时延折衷算法；求解转化问题的能效-时延折衷算法具体实现包括：第一步，在每个时隙t，观察当前的实际数据队列Qk(t)和虚拟功率队列Vk(t)和信道条件G(t)，求解如下最优化问题得到本时隙的功率分配；s.t.C3，C4，C5第二步，根据当前时隙t的实际数据队列Qk(t)、虚拟功率队列Vk(t)和能效ηEE(t)更新公式更新下一时隙开始时的实际数据队列Qk(t+1)、虚拟功率队列Vk(t+1)和能效ηEE(t+1)；按如下公式计算：Qk(t+1)＝max[Qk(t)-Rk(t),0]+Ak(t)其本文档来自技高网...

【技术保护点】
1.一种基于大数据的建筑综合防灾数据处理方法，其特征在于，所述基于大数据的建筑综合防灾数据处理方法包括：通过输入器将建筑结构设计模型、设计弯矩、剪力、轴力、风荷载、地震力、材料类型、强度输入，然后由处理器把计算指令发送给计算器，计算器运用多元统计方法对数据进行计算，得出建筑防灾数据模型；多元统计方法对数据进行计算中，对于大数据网络覆盖的干扰受限的计算器的通信系统，引入组的概念，假设通信系统存在R个正交的频段，将工作在同一个正交频段的所有用户定义为一个组，即系统存在R个组，因此用户间的干扰只存在于组内，组与组之间不存在干扰；给出组r内工作在蜂窝模式的用户在基站的接收信干噪比

【技术特征摘要】
1.一种基于大数据的建筑综合防灾数据处理方法，其特征在于，所述基于大数据的建筑综合防灾数据处理方法包括：通过输入器将建筑结构设计模型、设计弯矩、剪力、轴力、风荷载、地震力、材料类型、强度输入，然后由处理器把计算指令发送给计算器，计算器运用多元统计方法对数据进行计算，得出建筑防灾数据模型；多元统计方法对数据进行计算中，对于大数据网络覆盖的干扰受限的计算器的通信系统，引入组的概念，假设通信系统存在R个正交的频段，将工作在同一个正交频段的所有用户定义为一个组，即系统存在R个组，因此用户间的干扰只存在于组内，组与组之间不存在干扰；给出组r内工作在蜂窝模式的用户在基站的接收信干噪比和工作在计算器直通模式的用户在计算器直通接收端的接收信干噪比的定义公式；通过香农公式给出组r内工作在蜂窝模式的用户的传输速率和计算器直通模式的用户的传输速率的定义公式；给出系统工作在蜂窝模式的用户的传输速率Rm(t)、工作在计算器直通模式的用户的传输速率Rn(t)和所有工作的用户的总传输速率Rtot(t)的定义公式；给出单用户的瞬时功耗Pk(t)、长期的平均功耗和系统瞬时总功耗Ptot(t)的定义公式：其中，ξk为功率放大器的功效系数，为一个示性参数，如果用户k是组r内工作的用户，则值为1；否则值为0，为组内工作的用户k的发送功率，为设备的固定电路功耗：其中，Pk(t)为单用户的瞬时功耗，T为时隙数；其中，ξk为功率放大器的功效系数，为组r内工作的用户k的发送功率，为设备的固定电路功耗；为了定量的刻画能效与时延之间的折衷关系，给出了实际数据队列Qk(t)更新公式和能效ηEE的定义公式；具体为：Qk(t+1)＝max[Qk(t)-Rk(t),0]+Ak(t)；其中，max[Qk(t)-Rk(t),0]为Qk(t)-Rk(t)与0的最大值，Rk(t)为时隙t的业务离开速率，Ak(t)为时隙t的业务到达速率；网络能效ηEE定义为长期的网络总功耗与相应的总的传输数据量的比值，单位为Joule/bit/Hz，能够描述时变信道条件和随机业务到达对时延性能的影响，定义公式：其中，为系统长期平均总功耗，为系统长期平均总传输速率；建立建筑防灾数据模型揭示基于大数据网络覆盖的干扰受限的计算器直通的通信系统的能效与时延折衷关系：s.t.C1:C2:排队队列Qk(t)平均速率稳定，C3:C4:C5:其中，为用户每个时隙的平均功耗门限，为组内所有工作在计算器直通模式的用户对工作在蜂窝模式的用户的干扰门限，为组内所有工作在蜂窝模式的用户对工作在计算器直通模式的用户的干扰门限；C1用于保证移动设备的生存期；C2是队列稳定性约束，用于保证所有到达的数据在有限的时间内离开网络；C3限制组内所有工作在计算器直通模式的用户对工作在蜂窝模式的用户的干扰；C4限制组内所有工作在蜂窝模式的用户对工作在计算器直通模式的用户的干扰；C5是一个非负传输功率约束；为处理建筑防灾数据模型的限制条件C1，引入并给出虚拟功率队列Vk(t)的概念和定义公式，其中Vk(0)＝0；如果功率分配算法使所有的虚拟功率队列稳定，则满足平均功率限制C1：Vk(t+1)＝max[Vk(t)+yk(t),0]其中，max[Vk(t)+yk(t),0]为Vk(t)+yk(t)与0的最大值，Pk(t)为单用户的瞬时功耗，为用户每个时隙的平均功耗门限；利用非线性分数规划，将最优化问题转化成为如下最优化问题：s.t.C1，C2，C3，C4，C5；其中，其中，为系统长期平均总功耗，为系统长期平均总传输速率，Ptot(P(τ),G(τ))为系统瞬时总功耗，Rtot(P(τ),G(τ))为系统瞬时总传输速率；再运用集值统计方法进行统计处理，得出建筑超限数据；集值统计方法进行统计处理中，建立带权的高斯平滑滤波器矩阵模型：式中:Q为滤波器矩阵，Q为1*n的矩阵；n为矩阵大小阀值；i为距离中心坐标点的相对坐标值，即Q[i]所得为该坐标点相对中心点的权重差；计算高斯平滑中心点相对左右阀值的差值和；式中:S[k]为中心点相对左右阀值的差值和；buf[k]为中心点的样本测量值；n为滤波器矩阵大小；计算高斯平滑处理后的样本值：得出建筑超限数据；式中:buf′[k]为中心点处理后的值；buf[k]为中心点的样本测量值；n为滤波器矩阵大小；然后通过处理器发送指令给云端服务器；将云端的大数据进行下放，通过放大器和转换器的综合处理，将所传输的数据发送给比较器中，通过和云端的大数据比对，得出建筑对比数据；然后将所完善的信息发送至调节器中，综合成本数据、结构数据、设施数据，得出防灾数据处理模型，然后通过显示设备直观显示。2.如权利要求1所述的基于大数据的建筑综合防灾数据处理方法，其特征在于，利用非线性分数规划，将最优化问题转化成为如下最优化问题后，还需进行：利用利亚普洛夫偏移技术，设计出求解转化问题的能效-时延折衷算法；求解转化问题的能效-时延折衷算法具体实现包括：第一步，在每个时隙t，观察...

【专利技术属性】
技术研发人员：李莺，
申请(专利权)人：湖南城市学院，
类型：发明
国别省市：湖南,43