基于改进逻辑回归的地铁车站地震损伤预警方法及系统技术方案

本发明专利技术提供基于改进逻辑回归的地铁车站地震损伤预警方法及系统，包括以下步骤：步骤1：对目标工况建立有限元模型；步骤2：建立输入参数样本集及对应有限元模型；步骤3：定义损伤状态，并为有限元模型赋予标签值；步骤4：建立关于每种损伤状态的逻辑回归函数，逻辑回归函数的损失Loss中交叉熵系数为A，正则化项系数为B；步骤5：采用高斯回归过程获取关于每种损伤状态的A和B的最佳值；步骤6：基于步骤5中最佳值，得到每种损伤状态的逻辑回归函数；步骤7：将地铁车站达到的最严重成都的损伤状态作为报警信息输出，若否则退出。本发明专利技术考虑参数变异性，对地铁车站地震损伤状态采用改进逻辑回归超前预警，保障其运营安全。保障其运营安全。保障其运营安全。

【技术实现步骤摘要】
基于改进逻辑回归的地铁车站地震损伤预警方法及系统


[0001]本专利技术涉及地铁车站安全领域，特别是基于改进逻辑回归的地铁车站地震损伤预警方法及系统。

技术介绍

[0002]地下工程是推进城市化发展、缓解土地紧张的有利手段。目前，地铁车站已成为城市生命线的重要组成部分。当地震灾害发生时，地铁车站的损伤破坏可能造成严重的经济损失甚至人员伤亡。因此，如何对地铁车站地震下损伤程度的进行预警，从而及时采取应急措施，已经成为地铁车站安全领域一个亟待解决的问题。
[0003]地铁车站与周围土体存在相互作用，因此影响其地震下损伤程度的参数众多，且众多参数本身具有不确定性。传统理论分析方法精度较低，而蒙特卡洛等抽样方法时耗过大。因此，急需基于改进逻辑回归的地铁车站地震损伤预警方法及系统。

技术实现思路

[0004]本专利技术解决的技术问题是：克服现有技术预测地铁车站地震下损伤程度精度较低及时耗过大的问题。
[0005]本专利技术的技术解决方案是：基于改进逻辑回归的地铁车站地震损伤预警方法，包括以下步骤：步骤1：对目标工况建立基于参数标准值的地铁车站有限元模型。
[0006]步骤2：根据地铁车站参数、荷载参数、地震参数标准值及各自分布，采用蒙特卡洛抽样建立地铁车站参数、荷载参数和地震参数的输入参数样本集，对每个输入参数样本建立对应的有限元模型。
[0007]步骤3：对地铁车站按损伤严重程度定义四种损伤状态并为每种损伤状态设定损伤阈值，对于每种损伤状态，当地铁车站地震下损伤指标超过该损伤状态设定的损伤阈值时，判定地铁车站达到该损伤状态并赋予标签值Label=1，若未超过该损伤状态设定的损伤阈值，判定地铁车站未达到该损伤状态并赋予标签值Label=0。
[0008]步骤4：对于每种损伤状态，采用python建立关于该损伤状态逻辑回归函数g(z)，逻辑回归函数的损失Loss采用交叉熵并引入正则化项，Loss的计算公式为：式中N表示地铁车站有限元模型样本数量，表示第i个有限元模型中地铁车站关于该损伤状态的标签值，m表示输入参数个数，表示第j个输入参数的权重值，A表示交叉熵的系数，B表示正则化项的系数。g(z
i
)为第i个有限元模型中输入参数样本对应的逻辑回归函数，其公式如下：
式中x
ij
表示第i个有限元模型中第第j个输入参数的值。
[0009]步骤5：在A和B的定义域中各均匀选取K个点组成K
×
K个系数组合点，任取p个系数组合点作为观测点，并计算p个系数组合点对应的Loss，采用高斯过程回归，生成其余K
×
K
‑
p个系数组合点的随机值Loss
s
，重复q次高斯回归过程为K
×
K
‑
p个系数组合点生成q个Loss
s
，记录每次高斯回归过程Loss
s
的最小值对应的系数组合点，统计K
×
K
‑
p个系数组合点取得Loss
s
最小值的频数，选取频数最大的系数组合点作为新增观测点，计算对应的Loss。
[0010]步骤6：重复步骤5不断新增观测点，直到观测点数量达到规定数量时，停止新增观测点，选取已知观测点中Loss最小值对应的A和B作为关于该损伤状态的A和B的最佳值。
[0011]步骤7：基于步骤6中关于每种损伤状态的A和B的最佳值，计算关于每种损伤状态的最优权重组合：式中表示在A和B的最佳值下，当Loss取得最小值时对应的输入参数的权重值向量，将关于每种损伤状态的带入逻辑回归函数得到每种损伤状态的逻辑回归函数。
[0012]步骤8：当地震发生时，将对应地震参数输入每种损伤状态的逻辑回归函数，计算地铁车站达到每种损伤状态的概率，若概率超过设定概率阈值，则判定地铁车站达到该损伤状态，将地铁车站达到的最严重程度的损伤状态作为报警信息输出，否则退出。
[0013]进一步的，所述步骤2中地铁车站参数包括地铁车站结构材料参数和地铁车站周围土体参数。
[0014]进一步的，所述步骤2中根据地铁车站参数、荷载参数、地震参数标准值及各自分布中：地铁车站参数服从对数正态分布、荷载参数服从正态分布、地震参数服从均匀分布。
[0015]进一步的，所述步骤3中四种损伤状态包括：轻微损伤、中等损伤、严重损伤、损毁损伤。
[0016]进一步的，所述步骤3中地铁车站地震下损伤指标采用双参数损伤模型确定。
[0017]进一步的，所述步骤5中其余K
×
K
‑
p个系数组合点的随机值Loss
s
获取方式如下：计算观测点的协方差矩阵，协方差矩阵中元素采用高斯核函数计算；其余K
×
K
‑
p个系数组合点的Loss
s
服从高斯分布，对于K
×
K
‑
p个系数组合点中任一点，采用高斯核函数计算该点与观测点的协方差向量，基于观测点的协方差矩阵以及该点与观测点的协方差向量，计算该点高斯分布参数；采用蒙特卡洛法依据K
×
K
‑
p个系数组合点的Loss
s
所服从的高斯分布获取K
×
K
‑
p个样本点的随机值Loss
s
。
[0018]基于改进逻辑回归的地铁车站地震损伤预警系统包括信息采集模块、处理模块和预警模块；信息采集模块用于采集地铁车站参数、荷载参数和地震参数；处理模块用于根据信息采集模块采集的地铁车站参数、荷载参数和地震参数的分布获取输入参数样本集，建立对应有限元模型，计算关于每种损伤状态的标签值；将输入参
数样本集和关于每种损伤状态的标签值作为数据集训练每种损伤状态的逻辑回归函数；采用高斯过程回归优化逻辑回归函数的损失中交叉熵和正则化项的系数；基于每种损伤状态的逻辑回归函数，计算地震下地铁车站达到每种损伤状态的概率。
[0019]预警模块用于判断地震下地铁车站达到每种损伤状态的概率是否超过设定概率阈值，若超过则判定地铁车站达到该损伤状态，将地铁车站达到的最严重程度的损伤状态作为报警信息输出，否则退出。
[0020]专利技术与现有技术相比的优点在于：本专利技术实施例提供的方案，考虑参数不确定性及地铁车站
‑
土体相互作用，结合有限元方法、逻辑回归、高斯过程回归的手段；高效剔除了众多输入参数中的无关参数，有效提升模型训练效率及效果，进而建立关于各种损伤状态的不同等级地震下地铁车站损伤的改进逻辑回归模型。本专利技术为地铁车站地震损伤预警提供有力手段；分析方法清晰、可靠性强。
附图说明
[0021]图1为本专利技术实施例提供的基于改进逻辑回归的地铁车站地震损伤预警方法的流程示意图。
具体实施方式
[0022]本专利技术说明书中未作详细描述的内容属本领域技术人员的公知技术。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进逻辑回归的地铁车站地震损伤预警方法，其特征在于，包括以下步骤：步骤1：对目标工况建立基于参数标准值的地铁车站有限元模型；步骤2：根据地铁车站参数、荷载参数、地震参数标准值及各自分布，采用蒙特卡洛抽样建立地铁车站参数、荷载参数和地震参数的输入参数样本集，对每个输入参数样本建立对应的有限元模型；步骤3：对地铁车站按损伤严重程度定义四种损伤状态并为每种损伤状态设定损伤阈值，对于每种损伤状态，当地铁车站地震下损伤指标超过该损伤状态设定的损伤阈值时，判定地铁车站达到该损伤状态并赋予标签值Label=1，若未超过该损伤状态设定的损伤阈值，判定地铁车站未达到该损伤状态并赋予标签值Label=0；步骤4：对于每种损伤状态，采用python建立关于该损伤状态逻辑回归函数g(z)，逻辑回归函数的损失Loss采用交叉熵并引入正则化项，Loss的计算公式为：式中N表示地铁车站有限元模型样本数量，表示第i个有限元模型中地铁车站关于该损伤状态的标签值，m表示输入参数个数，表示第j个输入参数的权重值，A表示交叉熵的系数，B表示正则化项的系数，g(z
i
)为第i个有限元模型中输入参数样本对应的逻辑回归函数，其公式如下：式中x
ij
表示第i个有限元模型中第第j个输入参数的值；步骤5：在A和B的定义域中各均匀选取K个点组成K
×
K个系数组合点，任取p个系数组合点作为观测点，并计算p个系数组合点对应的Loss，采用高斯过程回归，生成其余K
×
K
‑
p个系数组合点的随机值Loss
s
，重复q次高斯回归过程为K
×
K
‑
p个系数组合点生成q个Loss
s
，记录每次高斯回归过程Loss
s
的最小值对应的系数组合点，统计K
×
K
‑
p个系数组合点取得Loss
s
最小值的频数，选取频数最大的系数组合点作为新增观测点，计算对应的Loss；步骤6：重复步骤5不断新增观测点，直到观测点数量达到规定数量时，停止新增观测点，选取已知观测点中Loss最小值对应的A和B作为关于该损伤状态的A和B的最佳值；步骤7：基于步骤6中关于每种损伤状态的A和B的最佳值，计算关于每种损伤状态的最优权重组合：式中表示在A和B的最佳值下，当Loss取得最小值时对应的输入参数的权重值向量，将关于每种损伤状态的带入逻辑回归函数得到每种损伤状态的逻辑回归函数；步骤8：当地震发生时，将对应地震参数输入每种损伤状态的逻辑回归函数，计算地铁车站达到每种损伤状态的概率，若概率超过设定概率阈值，则判定地铁车...

【专利技术属性】
技术研发人员：陈爱平，亓伟，陈建男，陈爽，吴青戎，
申请(专利权)人：成都工业职业技术学院，
类型：发明
国别省市：