基于双向门控循环单元的地震破坏力预测方法及装置制造方法及图纸

本发明专利技术涉及一种基于双向门控循环单元的地震破坏力预测方法，包括：从开源地震动数据库获取地震动时程数据得到样本数据和样本标签；通过经验模态分解算法将地震动时程数据包括的各项数据分别分解为多个本征模态函数分量；将分解得到的各本征模态函数分量作为BiGRU模型的输入特征，并结合样本标签进行训练，得到EMD

【技术实现步骤摘要】
基于双向门控循环单元的地震破坏力预测方法及装置


[0001]本专利技术属于地震破坏力预测
，涉及一种基于双向门控循环单元的地震破坏力预测方法及装置。

技术介绍

[0002]地震发生之后，快速准确获取灾区的震害情况对于及时、合理的调度救援力量、减轻受灾地区人员伤亡和损失十分重要。地震灾害发生的不确定性以及灾区环境的高度复杂性导致了难以准确及时的预测灾区震害情况。除了地震参数外，断层发展、结构环境、震中距等众多因素都可能影响最终预测结果。传统的机器学习方法，如支持向量机(Support Vector Mechine)、决策树(Decision Tree)等并不适用于处理地震破坏力这种高维度时序数据。
[0003]基于数值模拟的地震破坏力现在主要有两种方法。一种是易损性分析方法(Fragility Analysis)，对地震动强度指标和区域结构模型进行了简化，难以全面反映地震动的复杂时域频域特性，预测速度快但是准确性不足。一种是非线性时程分析方法(Nonlinear Time
‑
history Analysis，NLTHA)，对地震动参数和建筑结构有较好的保留性，预测准确率高，但是此类方法计算量较大，并且需要高性能计算机，预测的时效性有一定欠缺。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于双向门控循环单元的地震破坏力预测方法及装置。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种基于双向门控循环单元的地震破坏力预测方法，包括以下步骤：
[0007]步骤S1、从开源地震动数据库获取地震动时程数据，建立数据库，作为样本数据；
[0008]步骤S2、对样本数据进行破坏力分析以划分破坏力等级，并将破坏力等级作为样本标签；
[0009]步骤S3、通过经验模态分解算法将地震动时程数据分解为多个本征模态函数分量；
[0010]步骤S4、定义BiGRU模型的损失函数，将分解得到的各本征模态函数分量作为BiGRU模型的输入特征，并结合样本标签对其进行训练；
[0011]步骤S5、当BiGRU模型的损失函数的值收敛为一个固定值保持不变时，结束训练，得到EMD
‑
BiGRU模型；
[0012]步骤S6、将传感器采集的地震动数据或者通过地震动监测网络获取的地震动数据输入EMD
‑
BiGRU模型，通过EMD
‑
BiGRU模型预测得到地震破坏力等级。
[0013]进一步的，所述BiGRU模型在任一时刻的输入特征为地震动时程数据或地震动数据包括的每一项数据的所有本征模态函数分量在该时刻的值组成的一个向量。
[0014]进一步的，所述BiGRU模型中，GRU的隐藏层单元h
t
的计算公式为：
[0015]r
t
＝σ(W
r
x
t
+U
r
h
t
‑1)
[0016]z
t
＝σ(W
z
x
t
+U
z
h
t
‑1)
[0017][0018][0019]其中，σ为Sigmoid函数；tanh为双曲正切函数；r
t
为重置门；z
t
为更新门；为t时刻的候选激活状态；h
t
‑1为(t
‑
1)时刻的隐藏层单元；h
t
为t时刻的隐藏层单元；W
r
、U
r
、W
z
、W
z
、W、U为训练参数矩阵；表示对应元素相乘；x
t
表示时间t时刻的输入特征。
[0020]进一步的，所述BiGRU模型的计算公式如下所示：
[0021][0022][0023][0024][0025]其中，x
t
表示t时刻的输入特征；；表示t时刻的向后传播隐层状态；表示(t+1)时刻的向后传播隐层状态；表示(t
‑
1)时刻的向前传播隐层状态；表示t时刻的向前传播隐层状态；O
t
表示t时刻的隐层状态；α
t
表示t时刻前向传输GRU单元隐层输出权重；β
t
表示t时刻后向传输GRU单元隐层输出权重；b
t
表示t时刻隐层状态所对应的偏置量；w
t
表示隐层状态的权重系数；Y表示最终输出的预测结果。
[0026]进一步的，所述BiGRU模型的损失函数l(x，y)定义为：
[0027][0028]其中，N表示样本的个数，x
i
表示第i个样本的实际地震破坏力等级，y
i
表示第i个样本模型所预测的地震破坏力等级。
[0029]一种基于双向门控循环单元的地震破坏力预测装置，包括：
[0030]地震动数据获取模块，用于实时采集地震动数据或者通过地震动监测网络获取地震动数据，并传输到分析模块；
[0031]分析模块，用于对地震动数据获取模块送来的地震动数据进行分析，并对地震的破坏力进行预测，得到地震的破坏力等级；以及
[0032]预测数据输出模块，用于输出地震的破坏力等级。
[0033]进一步的，还包括预警模块，所述预警模块用于将所述分析模块预测的地震的破坏力等级与预设的地震破坏力等级阈值进行比较，当预测的地震破坏力等级大于或等于地震破坏力等级阈值时，发出预警信号。
[0034]进一步的，还包括传播模块，所述传播模块用于在预警模块发出预警信号时，将预警信号和预测的地震破坏力等级传送到特定设备。
[0035]进一步的，所述分析模块包括数据预处理单元、EMD
‑
BiGRU模型和输出单元；
[0036]所述数据预处理单元用于读取地震动数据获取模块获取的地震动数据，并进行格式转换；
[0037]所述EMD
‑
BiGRU模型包括经验模态分解模块和BiGRU模型，所述经验模态分解模块用于通过经验模态分解算法将地震动时程数据分解为多个本征模态函数分量，并将各本征模态函数分量形成的向量作为BiGRU模型的输入特征；所述BiGRU模型用于根据输入特征预测出地震的破坏力等级；
[0038]所述输出单元用于将预测的地震破坏力等级发送给预测数据输出模块和预警模块。
[0039]本专利技术中，将EMD与BiGRU模型结合得到EMD
‑
BiGRU模型对地震破坏力等级进行预测，由于GRU在捕捉长序列语义关联时，能有效抑制梯度消失或爆炸,效果都优于传统RNN且计算复杂度相比LSTM要小。考虑到地震波发展会与上一时刻地震波数据有一定关联，双向门控循环单元(BiGRU)当前隐藏层状态由正向和反向隐藏层状态加权求和得到，能够将过去地震波数据、未来地震波数据与当前地震波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双向门控循环单元的地震破坏力预测方法，其特征在于，包括以下步骤：步骤S1、从开源地震动数据库获取地震动时程数据，建立数据库，作为样本数据；步骤S2、对样本数据进行破坏力分析以划分破坏力等级，并将破坏力等级作为样本标签；步骤S3、通过经验模态分解算法将地震动时程数据分解为多个本征模态函数分量；步骤S4、定义BiGRU模型的损失函数，将分解得到的各本征模态函数分量作为BiGRU模型的输入特征，并结合样本标签对其进行训练；步骤S5、当BiGRU模型的损失函数的值收敛为一个固定值保持不变时，结束训练，得到EMD
‑
BiGRU模型；步骤S6、将传感器采集的地震动数据或者通过地震动监测网络获取的地震动数据输入EMD
‑
BiGRU模型，通过EMD
‑
BiGRU模型预测得到地震破坏力等级。2.根据权利要求1所述的基于双向门控循环单元的地震破坏力预测方法，其特征在于，所述BiGRU模型在任一时刻的输入特征为地震动时程数据或地震动数据包括的每一项数据的所有本征模态函数分量在该时刻的值组成的一个向量。3.根据权利要求1所述的基于双向门控循环单元的地震破坏力预测方法，其特征在于，所述BiGRU模型中，GRU的隐藏层单元h
t
的计算公式为：r
t
＝σ(W
r
x
t
+U
r
h
t
‑1)z
t
＝σ(W
z
x
t
+U
z
h
t
‑1))其中，σ为Sigmoid函数；tanh为双曲正切函数；r
t
为重置门；z
t
为更新门；为t时刻的候选激活状态；h
t
‑1为上一时刻的隐藏层单元；h
t
为当前时刻的隐藏层单元；W
r
、U
r
、W
z
、W
z
、W、U为训练参数矩阵；表示对应元素相乘；x
t
表示时间t时刻的输入特征。4.根据权利要求3所述的基于双向门控循环单元的地震破坏力预测方法，其特征在于，所述BiGRU模型的计算公式如下所示：所述BiGRU模型的计算公式如下所示：所述BiGRU模型的计算公式如下所示：所述BiGRU模型的计算公式如下所示：其中，x
...

【专利技术属性】
技术研发人员：陈增顺，汪亚泰，许叶萌，赵智航，徐振钢，张利凯，
申请(专利权)人：重庆大学，
类型：发明
国别省市：