隧道服役性能的评估方法、装置、终端及存储介质制造方法及图纸

本发明专利技术提供一种隧道服役性能的评估方法、装置、终端及存储介质。该方法包括：获取待训练样本，并将待训练样本输入多粒度级联森林模型，若多粒度级联森林模型的森林中的决策树的数目等于预设数目，对决策树进行动态加权，以确定修正后的多粒度级联森林模型；获取待测试的隧道服役性能评估指标；根据待测试的隧道服役性能评估指标和修正后的多粒度级联森林模型，确定待测试的隧道服役性能评估指标对应的隧道服役性能等级。本发明专利技术能够通过修正后的多粒度级联森林模型进行隧道服役性能等级的评估，提高了评估结果的准确性。提高了评估结果的准确性。提高了评估结果的准确性。

【技术实现步骤摘要】
隧道服役性能的评估方法、装置、终端及存储介质


[0001]本专利技术涉及隧道性能检测
，尤其涉及一种隧道服役性能的评估方法、装置、终端及存储介质。

技术介绍

[0002]隧道病害的诱发因素十分复杂，且运营隧道结构状态信息多源异构分散，信息冗余和孤岛现象严重。正确认知监测数据、病害检测结果、设计及施工、列车荷载与外部动荷载、自然灾害等多源信息对隧道结构状态的影响并对多源信息加以充分利用，是实现隧道结构状态精准评估的基础。
[0003]科学、合理地反映隧道的服役性能对于指导隧道的安全运营以及病害的治理与养护是十分重要的。目前，隧道服役性能评估方法多以经验法和专家打分法为基础，
[0004]但是，现有的隧道服役性能评估方法得到的评估结果准确性低。

技术实现思路

[0005]本专利技术实施例提供了一种隧道服役性能的评估方法、装置、终端及存储介质，以解决现有的隧道服役性能评估方法得到的评估结果准确性低的问题。
[0006]第一方面，本专利技术实施例提供了一种隧道服役性能的评估方法，包括：
[0007]获取待训练样本，并将待训练样本输入多粒度级联森林模型；
[0008]若多粒度级联森林模型的森林中的决策树的数目等于预设数目，对决策树进行动态加权，以确定修正后的多粒度级联森林模型；
[0009]获取待测试的隧道服役性能评估指标；
[0010]根据待测试的隧道服役性能评估指标和修正后的多粒度级联森林模型，确定待测试的隧道服役性能评估指标对应的隧道服役性能等级。
[0011]在一种可能的实现方式中，若多粒度级联森林模型的森林中的决策树的数目等于预设数目，对决策树进行动态加权，以确定修正后的多粒度级联森林模型，包括：
[0012]若多粒度级联森林模型的森林中的决策树的数目等于预设数目，调整决策树的投票权重；
[0013]若决策树的投票权重等于第一预设权重，得到修正后的多粒度级联森林模型。
[0014]在一种可能的实现方式中，调整决策树的投票权重，包括：
[0015]计算决策树中的所有叶子节点对应的投票权重；
[0016]若决策树中的所有叶子节点对应的投票权重不等于第二预设权重，调整所有叶子节点中的每个叶子节点对应的投票权重，直至决策树中的所有叶子节点对应的投票权重等于第二预设权重。
[0017]在一种可能的实现方式中，待训练样本包括待训练的隧道服役性能评估指标和待训练的隧道服役性能的等级；
[0018]获取待训练样本，并将待训练样本输入多粒度级联森林模型，包括：
[0019]获取待训练的隧道服役性能评估指标；
[0020]利用K
‑
Means聚类算法对待训练的隧道服役性能评估指标进行等级划分，确定多个隧道服役性能等级；
[0021]将待训练的隧道服役性能评估指标和多个隧道服役性能等级输入多粒度级联森林模型。
[0022]在一种可能的实现方式中，利用K
‑
Means聚类算法对待训练的隧道服役性能评估指标进行等级划分，确定多个隧道服役性能等级，包括：
[0023]获取k个初始质心向量；
[0024]计算待训练的隧道服役性能评估指标中的每个评估指标与k个初始质心向量之间的距离，确定每个评估指标对应的最小距离；
[0025]选取每个评估指标对应的最小距离对应的隧道服役性能等级，作为每个评估指标对应的隧道服役性能等级；
[0026]当k个初始质心向量不再变化，根据每个评估指标对应的隧道服役性能等级，得到多个隧道服役性能等级。
[0027]第二方面，本专利技术实施例提供了一种隧道服役性能的评估装置，包括：
[0028]样本获取模块，用于获取待训练样本，并将待训练样本输入多粒度级联森林模型；
[0029]模型修正模块，用于若多粒度级联森林模型的森林中的决策树的数目等于预设数目，对决策树进行动态加权，以确定修正后的多粒度级联森林模型；
[0030]评估指标获取模块，用于获取待测试的隧道服役性能评估指标；
[0031]评估结果确定模块，用于根据待测试的隧道服役性能评估指标和修正后的多粒度级联森林模型，确定待测试的隧道服役性能评估指标对应的隧道服役性能等级。
[0032]在一种可能的实现方式中，模型修正模块，包括：
[0033]第一判断子模块，用于若多粒度级联森林模型的森林中的决策树的数目等于预设数目，调整决策树的投票权重；
[0034]第二判断子模块，用于若决策树的投票权重等于第一预设权重，得到修正后的多粒度级联森林模型。
[0035]在一种可能的实现方式中，第一判断子模块，包括：
[0036]权重计算单元，用于计算决策树中的所有叶子节点对应的投票权重；
[0037]权重调整单元，用于若决策树中的所有叶子节点对应的投票权重不等于第二预设权重，调整所有叶子节点中的每个叶子节点对应的投票权重，直至决策树中的所有叶子节点对应的投票权重等于第二预设权重。
[0038]第三方面，本专利技术实施例提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式方法的步骤。
[0039]第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式方法的步骤。
[0040]本专利技术实施例提供一种隧道服役性能的评估方法、装置、终端及存储介质，通过获取待训练样本，并将待训练样本输入多粒度级联森林模型，若多粒度级联森林模型的森林
中的决策树的数目等于预设数目，对决策树进行动态加权，以确定修正后的多粒度级联森林模型，之后获取待测试的隧道服役性能评估指标，再根据待测试的隧道服役性能评估指标和修正后的多粒度级联森林模型，确定待测试的隧道服役性能评估指标对应的隧道服役性能等级。本专利技术通过对多粒度级联森林模型的森林中的决策树进行动态加权，以得到修正后的多粒度级联森林模型，并通过修正后的多粒度级联森林模型进行隧道服役性能等级的评估，可提高评估结果的准确性。
附图说明
[0041]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。
[0042]图1是本专利技术实施例提供的一种隧道服役性能的评估方法的实现流程图；
[0043]图2是本专利技术实施例提供的多粒度级联森林模型的结构示意图；
[0044]图3是本专利技术实施例提供的一种隧道服役性能的评估装置的结构示意图；
[0045]图4是本专利技术实施例提供的终端的示意图。
具体实施方式
[0046]以下描述中，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隧道服役性能的评估方法，其特征在于，包括：获取待训练样本，并将所述待训练样本输入多粒度级联森林模型；若所述多粒度级联森林模型的森林中的决策树的数目等于预设数目，对所述决策树进行动态加权，以确定修正后的多粒度级联森林模型；获取待测试的隧道服役性能评估指标；根据所述待测试的隧道服役性能评估指标和所述修正后的多粒度级联森林模型，确定所述待测试的隧道服役性能评估指标对应的隧道服役性能等级。2.根据权利要求1所述的方法，其特征在于，所述若所述多粒度级联森林模型的森林中的决策树的数目等于预设数目，对所述决策树进行动态加权，以确定修正后的多粒度级联森林模型，包括：若所述多粒度级联森林模型的森林中的决策树的数目等于预设数目，调整所述决策树的投票权重；若所述决策树的投票权重等于第一预设权重，得到所述修正后的多粒度级联森林模型。3.根据权利要求2所述的方法，其特征在于，所述调整所述决策树的投票权重，包括：计算所述决策树中的所有叶子节点对应的投票权重；若所述决策树中的所有叶子节点对应的投票权重不等于第二预设权重，调整所述所有叶子节点中的每个叶子节点对应的投票权重，直至所述决策树中的所有叶子节点对应的投票权重等于所述第二预设权重。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述待训练样本包括待训练的隧道服役性能评估指标和待训练的隧道服役性能的等级；所述获取待训练样本，并将所述待训练样本输入多粒度级联森林模型，包括：获取待训练的隧道服役性能评估指标；利用K
‑
Means聚类算法对所述待训练的隧道服役性能评估指标进行等级划分，确定多个隧道服役性能等级；将所述待训练的隧道服役性能评估指标和所述多个隧道服役性能等级输入所述多粒度级联森林模型。5.根据权利要求4所述的方法，其特征在于，所述利用K
‑
Means聚类算法对所述待训练的隧道服役性能评估指标进行等级划分，确定多个隧道服役性能等级，包括：获取k个初始质心向量；计算所述待训练的隧道服役性能评估指标中的每个评估指...

【专利技术属性】
技术研发人员：张骞，梁美晨，侯林艳，许芳，赵维刚，侯丽丽，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：