基于三维分析平台的挡土墙结构异常分析方法及系统技术方案

本申请涉及三维分析平台与挡土墙结构异常分析技术领域，涉及一种基于三维分析平台的挡土墙结构异常分析方法及系统。本申请基于三维分析平台，通过构建满足模型收敛条件的异常特征嵌入模型对应的挡土墙结构数据的特征域，将得到的挡土墙结构数据的特征域迁移到待训练异常特征嵌入模型，生成收敛的第一目标异常特征嵌入模型，由此，不再需要单独的样本数据以及训练标签数据进行学习，可以提高模型学习速度，进而提高后续目标挡土墙结构数据异常类别分类的速度，提升挡土墙结构异常分析分类准确性，从而提高挡土墙结构异常分析效率。从而提高挡土墙结构异常分析效率。从而提高挡土墙结构异常分析效率。

【技术实现步骤摘要】
基于三维分析平台的挡土墙结构异常分析方法及系统


[0001]本申请涉及三维分析平台与挡土墙结构异常分析
，具体而言，涉及一种基于三维分析平台的挡土墙结构异常分析方法及系统。

技术介绍

[0002]挡土墙是指支承路基填土或山坡土体、防止填土或土体变形失稳的构造物，当前，通过将挡土墙的各种设计配置参数加载到三维分析平台中，从而可以通过三维分析平台生成对应的挡土墙结构数据，进而便于通过计算机设备对挡土墙结构进行异常分析，从而相较于现场人工经验分析，不仅提高了分析速度，也可以提高分析质量，并且便于后续回溯。相关技术中，通常是采用神经网络模型进行异常分析的，然而相关技术中在进行模型训练时，通常需要单独的样本数据以及训练标签数据进行学习，而无法借助已有的满足模型收敛条件的模型进行协助训练，导致模型学习速度较慢，进而影响后续异常类别分类的速度。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种基于三维分析平台的挡土墙结构异常分析方法及系统。
[0004]第一方面，本申请提供一种基于三维分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维分析平台的挡土墙结构异常分析方法，其特征在于，通过基于三维分析平台的挡土墙结构异常分析系统实现，所述方法包括：获取标的训练数据集，所述标的训练数据集为在先验搜集的待学习挡土墙结构数据集中进行采样得到的，所述待学习挡土墙结构数据集中的各个待学习挡土墙结构数据为基于三维分析平台生成的已标记异常标签向量的挡土墙结构数据；将所述标的训练数据集中各个待学习挡土墙结构数据分别输入到满足模型收敛条件的异常特征嵌入模型和等待进行模型收敛优化的待训练异常特征嵌入模型中进行异常特征嵌入，生成所述各个待学习挡土墙结构数据对应的已学习异常特征和所述各个待学习挡土墙结构数据对应的待学习异常特征，所述待训练异常特征嵌入模型是将所述满足模型收敛条件的异常特征嵌入模型的模型权重信息进行初始化加载生成的；获取所述各个待学习挡土墙结构数据对应的已学习异常特征之间的特征距离，生成第一特征距离分布，并获取所述各个待学习挡土墙结构数据对应的待学习异常特征之间的特征距离，生成第二特征距离分布；获取所述第二特征距离分布与所述第一特征距离分布之间的训练效果参数值，并依据所述训练效果参数值更新所述等待进行模型收敛优化的待训练异常特征嵌入模型后，返回所述获取标的训练数据集的步骤进行迭代学习，直到满足模型收敛条件时，将收敛的待训练异常特征嵌入模型输出为第一目标异常特征嵌入模型，所述第一目标异常特征嵌入模型用于提取目标挡土墙结构数据的异常嵌入特征；依据所述目标挡土墙结构数据的异常嵌入特征进行异常类别分类。2.根据权利要求1所述的基于三维分析平台的挡土墙结构异常分析方法，其特征在于，所述获取所述各个待学习挡土墙结构数据对应的已学习异常特征之间的特征距离，生成第一特征距离分布，包括：依据所述各个待学习挡土墙结构数据对应的已学习异常特征获得第一异常特征训练簇，并将所述第一异常特征训练簇进行规则化转换，生成规则化第一异常特征训练簇；获取所述规则化第一异常特征训练簇对应的置乱特征训练簇，生成规则化第二置乱特征训练簇；依据所述规则化第二置乱特征训练簇与所述规则化第一异常特征训练簇获得所述第一特征距离分布；所述获取所述各个待学习挡土墙结构数据对应的待学习异常特征之间的特征距离，生成第二特征距离分布，包括：依据所述各个待学习挡土墙结构数据对应的待学习异常特征获得第三异常特征训练簇，并将所述第三异常特征训练簇进行规则化转换，生成规则化第三异常特征训练簇；获取所述规则化第三异常特征训练簇对应的置乱特征训练簇，生成规则化第四异常特征训练簇；依据所述规则化第四异常特征训练簇与所述规则化第三异常特征训练簇获得所述第二特征距离分布。3.根据权利要求1所述的基于三维分析平台的挡土墙结构异常分析方法，其特征在于，所述获取所述第二特征距离分布与所述第一特征距离分布之间的训练效果参数值，并依据所述训练效果参数值更新所述等待进行模型收敛优化的待训练异常特征嵌入模型后，返回
所述获取标的训练数据集的步骤进行迭代学习，包括：获取所述第二特征距离分布与所述第一特征距离分布的标准偏差参数，生成第一学习参数值，将所述第一学习参数值输出为所述训练效果参数值；依据所述训练效果参数值反向传播进而更新所述待训练异常特征嵌入模型中的模型权重信息，生成更新后的异常特征嵌入模型；将更新后的异常特征嵌入模型输出为待训练异常特征嵌入模型后，返回所述获取标的训练数据集的步骤进行迭代学习；其中，所述获取所述第二特征距离分布与所述第一特征距离分布的标准偏差参数，生成所述训练效果参数值，包括：获取所述第二特征距离分布与所述第一特征距离分布的标准偏差参数，生成第一学习参数值；获取标的训练数据集对应的学习数据数量，获取所述第一学习参数值与所述学习数据数量的商值以获得第二学习参数值；获取预置影响系数，依据所述预置影响系数对所述第二学习参数值进行权重融合，生成第三学习参数值；获取所述等待进行模型收敛优化的待训练异常特征嵌入模型对应的第四学习参数值，并获取所述第四学习参数值和所述第三学习参数值的加权融合参数值，生成所述训练效果参数值。4.根据权利要求1所述的基于三维分析平台的挡土墙结构异常分析方法，其特征在于，所述获取所述第二特征距离分布与所述第一特征距离分布之间的训练效果参数值，并依据所述训练效果参数值更新所述等待进行模型收敛优化的待训练异常特征嵌入模型后，返回所述获取标的训练数据集的步骤进行迭代学习，直到满足模型收敛条件时，将收敛的待训练异常特征嵌入模型输出为第一目标异常特征嵌入模型，包括：将所述第二特征距离分布输入到转换网络中进行参数转换，生成目标转换特征距离分布；获取所述目标转换特征距离分布与所述第一特征距离分布之间的标准偏差参数，生成目标训练效果参数值，依据所述目标训练效果参数值反向传播进而更新所述转换网络和所述待训练异常特征嵌入模型，生成更新后的转换网络和更新后的异常特征嵌入模型；将所述更新后的转换网络输出为转换网络，并将更新后的异常特征嵌入模型输出为待训练异常特征嵌入模型后，返回所述获取标的训练数据集的步骤进行迭代学习，直到满足模型收敛条件时，通过收敛的待训练异常特征嵌入模型和收敛的转换网络获得第二目标异常特征嵌入模型。5.根据权利要求1所述的基于三维分析平台的挡土墙结构异常分析方法，其特征在于，所述获取所述第二特征距离分布与所述第一特征距离分布之间的训练效果参数值，并依据所述训练效果参数值更新所述等待进行模型收敛优化的待训练异常特征嵌入模型后，返回所述获取标的训练数据集的步骤进行迭代学习，直到满足模型收敛条件时，将收敛的待训练异常特征嵌入模型输出为第一目标异常特征嵌入模型，包...

【专利技术属性】
技术研发人员：张海发，郭林林，肖尧轩，杨猛，钟志云，陈翔，农珊，党宁，许宏燕，刘亚军，谭森明，赵博华，
申请(专利权)人：水利部珠江水利委员会珠江水利综合技术中心，
类型：发明
国别省市：