一种基于冻融循环周期性特征的石窟寺稳定性检测方法技术

本发明专利技术公开了一种基于冻融循环周期性特征的石窟寺稳定性检测方法，方法包括：从微观角度入手构建石窟寺微观结构劣化模型，用于探究冻融循环、干湿循环对微观粒子的影响；从局部角度，利用局部关键裂隙裂化模型提取周期间子序列的相似性，并设计时间序列分解模块，使用多层卷积操作捕获数据间的短期时间依赖，使用RNN操作捕获数据间的长期时间依赖关系，考虑不同变量的作用强度使用自注意力模块；根据受损极限状态方程，结合周期、作用年限、材质和地理位置对石窟寺进行整体稳定性预测，提高了石窟寺的安全性。本发明专利技术对未来一段时间内石窟寺局部裂隙发育趋势和整体稳定性进行预测，便于提前研究应对方案，采取保护措施，提高了石窟寺的稳定安全性。窟寺的稳定安全性。窟寺的稳定安全性。

【技术实现步骤摘要】
一种基于冻融循环周期性特征的石窟寺稳定性检测方法


[0001]本专利技术涉及岩土工程中岩体稳定性检测领域，尤其涉及一种基于冻融循环周期性特征的石窟寺稳定性检测方法，通过对过去一段时间内采集到的外部环境数据和石窟寺裂隙宽度数据的处理和学习，分析出未来较长时间内石窟寺的裂隙发育趋势，进而提前发出预警信息，以此对石窟寺进行有效保护。

技术介绍

[0002]石窟寺是将建筑艺术与宗教文化进行完美结合的产物，其蕴含着深厚历史底蕴、文化背景和艺术价值。在数千年的历史长河中，石窟寺遭到了来自自然或人为的严重损坏，出现了裂隙、失稳、渗水等现象。经研究发现，石窟寺破损主要源于风化作用，而温差交替、干湿循环、冻融循环都是影响风化作用的主要因素。干湿循环通过对岩石内部矿物颗粒进行浸润作用削弱其之间的联系，显著影响岩体结构使得岩体内黏土矿物交替膨胀，出现劣化效应。冻融循环是指由于气温的变化导致岩石内部的水分处于冻结和融化频繁交替的现象。冻融循环的过程可能会导致岩石内部结构发生破坏，对岩石造成损伤。对石窟寺的保护工作在建国初期我国就已经开展了，最初是对它进行简易型支护，随着社会经济科学的发展，开始利用工程学方法对其进行加固保护，时至今日已经能够采用与其他学科合作的方式对石窟寺进行保护，由此可见，已经有越来越多的领域提高了对文物保护的重视。然而现在缺少一个可以综合利用各种先验知识，采用合理手段对石窟寺裂隙未来发育趋势进行预测的方法。
[0003]时间序列是指将统计的数值按时间顺序进行排列所形成的一组观测值集合，时间序列通常可以描述为由长期趋势、循环变动、季节变动、和不规则变动四部分构成。长期趋势是指受某种因素较长一段时期的影响下而形成的总体变动趋势的现象。循环变动是指在数年时间中数据呈现周期性变动的现象。季节变动是指在一年时间中由于季节更替而形成周期性变动的现象。不规则变动则是指无规律可循进行变动的现象。时间序列预测可以描述为通过分析历史数据的动态变化挖掘数据的潜在规律，基于此规律对未来时刻的数值进行预测。现如今，时间序列预测已经被广泛应用于多类领域，如金融领域，可以进行市场销量预测，农业领域可以对农作物年产量进行预测，能源领域，可以对工厂的各类能耗进行预测评估，环境领域，可以进行天气预报，PM2.5预警等。时间序列预测作为获取未来趋势的重要课题之一，备受国内外研究人员关注。其预测方法通常可以分为传统的统计学方法和深度学习方法，统计学模型有朴素估计模型、整合移动平均自回归模型(ARIMA)、指数平滑模型、多元回归模型等。这些模型也曾在解决时间序列预测问题时取得了较大进步，然而随着应用领域的逐步拓宽，时序数据变得更为复杂，面临着数据非线性，数据稀疏，数据之间存在更多潜在依赖关系的缺陷，这使得传统的统计学方法无法轻易提取数据特征，也难以得到稳定准确的预测结果。因此引入了机器学习方法，利用RNN、LSTM、GRU、Auto
‑
Encoder等模型去解决更为复杂的时序预测问题，AutoFormer将深度学习方法与统计学方法进行结合，通过将序列分解单元嵌入深度模型，实现渐进式预测，提取趋势项隐变量的趋势信息得到
了更具鲁棒性的模型，提高了长期时间序列预测的效果。但是上述方法对时序数据周期之间的相似性、各数据变量之间关联性还未充分发掘，同时目前的模型缺乏合理的解释性。

技术实现思路

[0004]本专利技术提供了一种基于冻融循环周期性特征的石窟寺稳定性检测方法，本专利技术对未来一段时间内石窟寺局部裂隙发育趋势和整体稳定性进行预测，便于相关工作人员提前研究应对方案，采取保护措施，提高了石窟寺的稳定安全性，详见下文描述：
[0005]一种基于冻融循环周期性特征的石窟寺稳定性检测方法，所述方法包括：
[0006]从微观角度入手构建石窟寺微观结构劣化模型，用于探究冻融循环、干湿循环对微观粒子的影响；
[0007]从局部角度，利用局部关键裂隙裂化模型提取周期间子序列的相似性，并设计时间序列分解模块，使用多层卷积操作捕获数据间的短期时间依赖，使用RNN操作捕获数据间的长期时间依赖关系，考虑不同变量的作用强度使用自注意力模块；
[0008]根据受损极限状态方程，结合周期、作用年限、材质和地理位置对石窟寺进行整体稳定性预测，提高了石窟寺的安全性。
[0009]其中，所述石窟寺微观结构劣化模型包括：
[0010]将来源于不同石窟寺的数据进行预处理操作，通过数据增强、标准差去噪声，缺失值参数化的方式创建新的数据集；
[0011]对地理位置特征进行聚类、外部环境特征进行聚类，通过查看不同聚类条件下石窟寺的破损情况，作证外界物理作用对岩体内布微观粒子影响的结论。
[0012]进一步地，所述时间序列分解模块表示为：
[0013]Y
t
＝S
t
+T
t
+R
t t＝1,...,T
[0014]其中，S
t
为时序数据中的周期成分，T
t
为时序数据中的趋势成分，R
t
为时序数据中的残差成分。
[0015]其中，所述自注意力模块为：对不同环境变量数据添加特征权重进行加权操作得到不同时序数据间的依赖关系，将同一个时序数据在时间维度上的依赖关系和不同时序数据间变量的依赖关系进行结合，得到外界环境对于局部稳定性的综合影响作用。
[0016]进一步地，所述受损极限状态方程为：
[0017][0018]其中，Δ代表临界疲劳损伤，N
d
代表冻融循环周期的循环作用次数，n为外部作用年限，e代表材质因子系数，K代表地理位置因子根据此方程去预测局部裂隙变化，S
eq
为外界环境对于局部稳定性的综合影响作用，D为石窟寺整体受损情况。
[0019]本专利技术提供的技术方案的有益效果是：利用岩土力学领域的先验知识设计网络架构，增强模型的可解释性，提升模型性能，对未来一段时间内石窟寺的稳定性进行预测，便于相关领域专家及时对石窟寺采取预防性保护措施，此方案不仅在石窟寺保护领域取得一定的理论突破，而且作为一种新的思路，可以为我国其他文物保护工作提供帮助。
附图说明
[0020]图1为一种基于冻融循环周期性特征的石窟寺稳定性检测方法的示意图；
[0021]图2为关键网络模型结构图；
[0022]图3为单变量时序数据分解图；
[0023]图4为多元时序数据分解图；
[0024]图5为数据采集环境图；
[0025]图6为模型预测结果可视化图；
[0026]图7为石窟寺材质位置对比折线图；
[0027]图8为石窟寺材质位置对比柱状图。
具体实施方式
[0028]为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。
[0029]时序预测已经被广泛应用于许多领域均取得良好效果，然而却在岩土工程领域的应用接近空白，这是由于石窟寺外部环境复杂，采集到的数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于冻融循环周期性特征的石窟寺稳定性检测方法，其特征在于，所述方法包括：从微观角度入手构建石窟寺微观结构劣化模型，用于探究冻融循环、干湿循环对微观粒子的影响；从局部角度，利用局部关键裂隙裂化模型提取周期间子序列的相似性，并设计时间序列分解模块，使用多层卷积操作捕获数据间的短期时间依赖，使用RNN操作捕获数据间的长期时间依赖关系，考虑不同变量的作用强度使用自注意力模块；根据受损极限状态方程，结合周期、作用年限、材质和地理位置对石窟寺进行整体稳定性预测，提高了石窟寺的安全性。2.根据权利要求1所述的一种基于冻融循环周期性特征的石窟寺稳定性检测方法，其特征在于，所述石窟寺微观结构劣化模型包括：将来源于不同石窟寺的数据进行预处理操作，通过数据增强、标准差去噪声，缺失值参数化的方式创建新的数据集；对地理位置特征进行聚类、外部环境特征进行聚类，通过查看不同聚类条件下石窟寺的破损情况，作证外界物理作用对岩体内布微观粒子影响的结论。3.根据权利要求1所述的一种基于冻融循环周期性特征的石窟寺稳定性检测方法，其特征在于，所述时间序列分解模块表示为：Y
t
...

【专利技术属性】
技术研发人员：孙美君，郭红桐，王征，
申请(专利权)人：天津大学，
类型：发明
国别省市：