【技术实现步骤摘要】
多物理场监测数据协同融合的工程灾害预警方法及系统
[0001]本专利技术涉及水利工程灾害防治
，特别是涉及一种多物理场监测数据协同融合的工程灾害预警方法及系统。
技术介绍
[0002]水利工程灾害监测预警是指通过应变传感器、光纤传感器、渗压计、声发射和遥感等技术手段，监测整体水利工程或潜在灾害体变形、微震等指标，在灾害尚未发生或达到危险临界值之前，预先向受到威胁的地区或人群发出警报。
[0003]工程结构失稳过程不同监测指标的响应不同步，单一的响应指标或同类信号间的对比分析预测岩体破坏误差大，预警时间不统一，不能实现全寿命周期智能预测，水利工程领域缺乏有效的多物理属性信号融合预警技术。更为理想的灾害预警技术是通过工程诊断与数据智能融合，建立多元服役监测信息智能感知协同融合、多维性态数据特征提取识别、并行驱动多维服役反演、全时服役融合推演时变预测的多元监测数据协同融合预警方法。
[0004]数据融合是对多物理场信息按时序和准则自动分析和综合处理得出结论或决策的技术，包括多传感器和多信息输入、合成规则、表示...
【技术保护点】
【技术特征摘要】
1.一种多物理场监测数据协同融合的工程灾害预警方法，其特征在于，包括：获取工程结构潜在危险部位的多传感器实时监测数据并进行预处理，得到多物理场监测时序数据；对所述多物理场监测时序数据进行归一化处理，构建归一化样本矩阵；根据所述归一化样本矩阵，采用多元统计方法解析各物理场监测指标对于工程安全状态的敏感性；根据所述各物理场监测指标对于工程安全状态的敏感性指导长短期记忆网络的初始化训练，并通过训练好的长短期记忆网络得到长短期记忆网络输出结果；将所述长短期记忆网络输出结果作为证据输入，根据切比雪夫距离改进的D
‑
S证据理论融合规则获得融合后各预警等级的基本概率赋值；根据所述融合后各预警等级的基本概率赋值，采用基本概率指派的决策方法确定所述工程结构潜在危险部位的灾害危险等级。2.根据权利要求1所述的方法，其特征在于，所述获取工程结构潜在危险部位的多传感器实时监测数据并进行预处理，得到多物理场监测时序数据，具体包括：获取工程结构潜在危险部位的多传感器实时监测数据；所述多传感器实时监测数据为应变传感器、位移传感器、应力传感器、波速传感器、渗透压传感器、温度传感器、声发射传感器以及电磁辐射传感器中的两种或两种以上传感器按照时间序列采集的实时监测数据；对所述多传感器实时监测数据通过小波分析或均值拟合方法进行预处理，移除异常或噪声数据，得到所述多物理场监测时序数据。3.根据权利要求2所述的方法，其特征在于，所述对所述多物理场监测时序数据进行归一化处理，构建归一化样本矩阵，具体包括：根据所述多物理场监测时序数据建立样本数据矩阵；所述样本数据矩阵中的每列数据对应不同传感器采集的不同物理场监测指标；所述物理场监测指标包括应变、位移、应力、波速、渗透压、温度、声发射、电磁辐射；对所述样本数据矩阵中的每列数据进行归一化转换，得到所述归一化样本矩阵；所述归一化样本矩阵中的每列数据也对应不同物理场监测指标。4.根据权利要求3所述的方法，其特征在于，所述根据所述归一化样本矩阵，采用多元统计方法解析各物理场监测指标对于工程安全状态的敏感性，具体包括：根据所述归一化样本矩阵计算相关系数矩阵；根据所述相关系数矩阵计算计算个非负特征根；为物理场监测指标的个数；根据所述个非负特征根确定个公因子中前个公因子的累
计贡献度；根据累计贡献度不小于85%的原则，选择出反映工程结构安全状态的主要公因子，并构建公因子矩阵；根据所述公因子矩阵计算因子载荷矩阵；根据所述因子载荷矩阵计算各物理场监测指标在所有主要公因子中所占的权重；根据各物理场监测指标对应的累计贡献度和权重，计算各物理场监测指标的最终权重；所述最终权重反映了各物理场监测指标对于工程安全状态的敏感性。5.根据权利要求4所述的方法，其特征在于，所述根据所述各物理场监测指标对于工程安全状态的敏感性指导长短期记忆网络的初始化训练，并通过训练好的长短期记忆网络得到长短期记忆网络输出结果，具体包括：将所述各物理场监测指标对于工程安全状态的敏感性作为长短期记忆网络的初始化权重，将所述各物理场监测指标对应的归一化样本矩阵作为样本集对所述长短期记忆网络进行训练，采用型函数作为网络激活函数，得到训练好的长短期记忆网络；通过所述训练好的长短期记忆网络进行特征级融合，得到长短期记忆网络输出结果。6.根据权利要求5所述的方法，其特征在于，所述将所述长短期记忆网络输出结果作为证据输入，根据切比雪夫距离改进的D
‑
S证据理论融合规则获得融合后各预警等级的基本概...
【专利技术属性】
技术研发人员：张黎明，刘中原，丛宇，王肖珊，王在泉，陈凡秀，曹金凤，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。