一种大型工程结构安全风险评估方法及系统技术方案

本发明专利技术涉及一种大型工程结构安全风险评估方法及系统。该方法包括：依据历史监测指标和历史风险指标之间的相关关系构建提取块；结合专家知识构建处理块；采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。本发明专利技术能够深度挖掘规律信息，实现安全风险的准确评估。

【技术实现步骤摘要】
一种大型工程结构安全风险评估方法及系统
本专利技术涉及大型工程结构风险评估
，特别是涉及一种大型工程结构安全风险评估方法及系统。
技术介绍
近年来，我国经济发展迅速，有效促进了以大型桥梁、特高压电力塔架、大型储罐等为代表的大型工程结构的建设与发展。大型工程结构在我国基础建设中占据着重要的地位。为了杜绝安全隐患的发生，保障其安全健康的运行，越来越多的研究将安全风险评估视为大型工程结构维护管理的核心内容。安全风险评估有利于及早发现安全隐患，便于及时采取维护措施。目前，针对大型工程结构风险评估问题，国内外学者开展了广泛的研究，取得了一定的成果。例如，同济大学潘黎明等人首先提出斜拉桥安全性的指标体系，并基于层次分析法与模糊综合评判原理实现了桥梁安全风险的评估。河北大学郭冰等人从失效可能性和失效后果两方面对储罐风险进行分析，建立了储罐定量风险分析模型，以此确定其安全性风险等级。现有研究仍存在几个问题：首先，大型工程结构组成复杂，规模庞大，需要监测的关键部位众多；第二，大型工程结构工作环境恶劣，其运行状态受到多种内外部因素的干扰，具有较强的不确定性，专家很难仅凭经验对其状态做出判断；第三，大型工程结构异常数据有限，难以获得高质量的数据样本。鉴于此，必须充分考虑上述问题，充分结合有限的数据样本与专家知识，实现大型工程结构风险的高精度评估，为后续维护决策提供支撑。
技术实现思路
本专利技术的目的是提供一种大型工程结构安全风险评估方法及系统，能够深度挖掘规律信息，实现安全风险的准确评估。为实现上述目的，本专利技术提供了如下方案：一种大型工程结构安全风险评估方法，包括：依据历史监测指标和历史风险指标之间的相关关系构建提取块；结合专家知识构建处理块；采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。可选地，所述依据历史监测指标和历史风险指标之间的相关关系构建提取块，具体包括：计算历史监测指标和历史风险指标之间的互信息；根据所述互信息，确定相对互信息；根据所述相对互信息将所有历史监测指标分成偶数组合和奇数组合；将所述偶数组合或所述奇数组合输入层次置信规则库BRB，得到上一级层次置信规则库BRB的输出uH-1和uH；将所述上一级层次置信规则库BRB的输出uH-1和uH，输入至置信规则库BRB-0，得到置信规则库BRB-0的输出y0；所述上一级层次置信规则库BRB的输出uH-1和uH和置信规则库BRB-0的输出y0共同作为提取块的输出，也是处理块的输入。可选地，所述结合专家知识构建处理块，具体包括：将所述置信规则库BRB-0的输出y0作为第一输入输入至置信规则库BRB-1，BRB-1的输出y1输入BRB-2，以此类推至BRB-(M)，同时，将所述提取块中层次置信规则库BRB的输出uH-1和uH分别作为第二输入输入至置信规则库BRB-1、BRB-2、...、BRB-(M)中，最终得到处理块输出yM。可选地，所述采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块，具体包括：构造提取块的目标函数；使用投影协方差矩阵自适应进化策略递归优化层次置信规则库BRB中各子BRB的参数，直到所有的子BRB模型得到优化，确定优化后的提取块。可选地，所述采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，具体包括：构造处理块的目标函数；使用投影协方差矩阵自适应进化策略优化初始处理块中置信规则库BRB-1；以优化后的BRB-1参数作为初始参数生成处理块中置信规则库BRB-2，上一级层次置信规则库BRB的输出uH-1、uH和优化后的BRB-1输出作为处理块置信规则库BRB-2的输入；利用投影协方差矩阵自适应进化策略对处理块置信规则库BRB-2进行优化，直至满足结束条件时处理块的优化停止；所述结束条件为gq≥Gmaxorq≥QmaxorEq＜e；其中，gq是BRB-q优化过程的迭代次数，Gmax是最大迭代次数，Qmax是最大层数，e是预期的建模误差。一种大型工程结构安全风险评估系统，包括：提取块构建模块，用于依据历史监测指标和历史风险指标之间的相关关系构建提取块；处理块构建模块，用于结合专家知识构建处理块；提取块优化模块，用于采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；处理块优化模块，用于采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；安全风险评估结果确定模块，用于将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供一种大型工程结构安全风险评估方法及系统。该方法包括：依据历史监测指标和历史风险指标之间的相关关系构建提取块；结合专家知识构建处理块；采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。本专利技术能够深度挖掘规律信息，实现安全风险的准确评估。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术大型工程结构安全风险评估方法流程图；图2为本专利技术大型工程结构安全风险评估系统结构图；图3为深度置信规则库模型结构示意图；图4为提取块的结构示意图；图5为处理块的结构示意图；图6为逐层学习策略示意图；图7为自适应生长策略示意图；图8为初始评估模型的结构示意图；图9为评估结果对比示意图；图10为风险状态的追溯示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的目的是提供一种大型工程结构安全风险评估方法及系统，能够深度挖掘规律信息，实现安全风险的本文档来自技高网...

【技术保护点】
1.一种大型工程结构安全风险评估方法，其特征在于，包括：/n依据历史监测指标和历史风险指标之间的相关关系构建提取块；/n结合专家知识构建处理块；/n采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；/n采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；/n将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。/n

【技术特征摘要】
1.一种大型工程结构安全风险评估方法，其特征在于，包括：
依据历史监测指标和历史风险指标之间的相关关系构建提取块；
结合专家知识构建处理块；
采用逐层学习策略对所述提取块的参数进行优化，得到优化后的提取块；
采用层自适应生长策略对所述处理块的结构及参数进行优化，得到优化后的处理块，所述优化后的提取块和所述优化后的处理块共同组成为优化后的深度置信规则库；
将监测指标和风险指标作为输入，输入至所述优化后的深度置信规则库，得到安全风险评估结果。


2.根据权利要求1所述的大型工程结构安全风险评估方法，其特征在于，所述依据历史监测指标和历史风险指标之间的相关关系构建提取块，具体包括：
计算历史监测指标和历史风险指标之间的互信息；
根据所述互信息，确定相对互信息；
根据所述相对互信息将所有历史监测指标分成偶数组合和奇数组合；
将所述偶数组合或所述奇数组合输入层次置信规则库BRB，得到上一级层次置信规则库BRB的输出uH-1和uH；
将所述上一级层次置信规则库BRB的输出uH-1和uH，输入至置信规则库BRB-0，得到置信规则库BRB-0的输出y0；所述上一级层次置信规则库BRB的输出uH-1和uH和置信规则库BRB-0的输出y0共同作为提取块的输出，也是处理块的输入。


3.根据权利要求1所述的大型工程结构安全风险评估方法，其特征在于，所述结合专家知识构建处理块，具体包括：
将所述置信规则库BRB-0的输出y0作为第一输入输入至置信规则库BRB-1，BRB-1的输出y1输入BRB-2，以此类推至BRB-(M)，同时，将所述提取块中层次置信规则库BRB的输出uH-1和uH分别作为第二输入输入至置信规则库BRB-1、BRB-2、...、BRB-(M)中，最终得到处理块输出yM。


4.根据权利要求1所述的大型工...

【专利技术属性】
技术研发人员：曹友，周志杰，胡昌华，唐帅文，胡冠宇，张春潮，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：陕西;61