一种基于深度学习的智能建筑风险预警方法及系统装置制造方法及图纸

本发明专利技术目的在于提供一种基于深度学习的智能建筑风险监测预警方法及系统装置，以解决在建筑风险监测预警系统中使用云计算和边缘计算协同处理，减少大量的数据传输和云端大量计算工作，高时效的数据传输和预警信息发送，通过人工智能结合风险模型预测建筑风险。前期数据依据人工设置，当预警决策案例库数据达到一定程度后就不在需要人工设置和干预，提高了风险监测预警的准确性、及时性和节约大量的人力监测和设备投入。前端传感器采用物联网低功耗智能传感器，体积小巧，支持多种无线传输协议，极大地方便了工程施工和节约了工程施工量，本发明专利技术可广泛应用于各类自建房、历史建筑、文物建筑、综合体等建筑的安全风险监测。综合体等建筑的安全风险监测。综合体等建筑的安全风险监测。

【技术实现步骤摘要】
一种基于深度学习的智能建筑风险预警方法及系统装置


[0001]本专利技术涉及大数据人工智能建筑风险监测
，具体为一种基于深度学习的智能建筑风险预警方法及系统装置。

技术介绍

[0002]由于城市的发展，出现了众多的高层建筑和老旧建筑，作为城市的建筑性标志或者用于商业的发展是其所起的一个主要作用。在人类建筑漫长的发展史中，高层建筑作为最年轻的成员，从二十世纪初诞生至今只有一百多年的历史。高层建筑的结构形式特殊、功能繁多、垂直交通复杂，不仅仅体现了建筑结构设计和施工水平，更需要多种问题的综合解决方式，例如消防、抗震、交通等。高层建筑的高度越高，其安全性、耐久性等众多问题也就愈发显现出来，对建筑、结构以及配套设施提出了更高的要求。对于高层建筑而言，出现意外事故造成的人民生命财产损害程度远远高于普通建筑物。因此，高层建筑的稳定性必须得到充分的保障，避免倒塌的发生。但是，传统的方法远不足以保证高层建筑的稳定性。因此，为高层建筑物建立结构综合风险预警监测系统对于保证高层建筑结构的稳定性判断具有十分重要的现实意义。建筑风险监测是一门多学科多专业的综合技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的智能建筑风险预警方法，其特征在于，包括以下步骤：S1、由物联网传感设备采集建筑风险监测数据，传感设备采集到的不同的监测数据对应不同风险系数，风险系数在对应风险等级。当接收到风险监测数据后对应提取风险系数，确定风险系数后对应确定风险等级，风险等级确定后，把监测数据对应的风险系数和风险等级形成预警案例检索数据，并把预警案例检索数据传入预警决策案例库进行对比筛选，筛选出一样风险系数和风险等级一样的决策案例，既把筛选出的决策案例确定为当前预警决策，形成初始预警决策方案，预警风险数据在预警决策案例库里面没有找到一样或数据接近(对比数据接近程度人工依据不同的监测数据类型进行设置)的决策案例时，进入下一个步骤初形成始预警决策方案，初始预警决策方案为人工依据监测数据对应的风险系数和风险等级进行设置确定；S2、初始预警决策方案确定后进入下一个步骤，预警决策方案修正，设置人员依据不同的风险监测数据类型和建筑本身的因数如楼层高度、建筑年代、地理区域等因数审核和修正预警决策方案；S3、预警决策方案修正后进入下一个步骤备选预警决策方案，除了第一预警决策方案，看是否需要备选预警决策方案，如果一个备选预警决策方案不够，依据建筑本身的因数和环境参数等设置多个备选预警决策方案；S4、形成多个预警决策方案后，工作人员对预警决策方案进行评价，评价人员可以是一人或多人，并做出最终预警决策方案确定；S5、进行最终预警决策案例相关数据参数和整个决策过程数据保存，并将预警案例保存进预警决策案例库；S6、同时做出预警决策，预警决策相关数据和参数通过高性能边缘计算核心控制系统(301)发送至云服务系统(303)进行数据库保存，并发送给本地监控端(302)和APP监控端(305)、集中控制监控端(306)。建筑管理人员或工程运维人员依据建筑风险预警等级采取相应的保护和控制措施。2.一种基于深度学习的智能建筑风险预警方法，其特征在于，包括以下步骤：S1、当多项不同类别的建筑风险预警同时发生时，人工智能深度学习算法采取下述风险预警决策方法：S2、接收到多项不同类型的风险预警数据，对应提取多项类型的监测数据对应的风险系数，确定风险系数后对应确定风险等级，风险等级确定后，把监测数据对应的风险系数和风险等级形成数据和参数信息输入的风险预警案例检索，并把预警案例检索数据传入预警决策案例库进行对比筛选，筛选出一样风险指数和风险等级一样的案例数据和参数，系统根据风险指数揭示建筑风险的高低程度；S3、筛选出一样或接近的多项风险预警监测数据的风险指数和对应风险等级，既预警方案发现；S4、预警方案发现条件成立“是”进入下一个步骤；S5、形成初始预警决策方案，并进入人工处理确认预警决策方案，经过人工确认后形成最终预警决策方案，并做出预警决策。下一个步骤进行最终预警决策案例相关数据参数和整个决策过程数据保存，并将预警案例保存进预警决策案例库；S6、做出预警决策后，预警决策相关数据和参数通过高性能边缘计算核心控制系统
(301)发送至云服务系统(303)进行数据库保存，并发送给本地监控端(302)和APP监控端(305)、集中控制监控端(306)。建筑管理人员或工程运维人员依据建筑风险预警等级采取相应的保护和控制措施；S7、预警方案发现条件不成立“否”进入下一个步骤；S8、进入数据适配环节，既多项风险监测预警信息进行适配，提取出多项预警监测数据，并依据重要性对各项间进行排序(前期重要性排序规...

【专利技术属性】
技术研发人员：石兴，刘伯恩，
申请(专利权)人：上海凌泽信息科技有限公司，
类型：发明
国别省市：