一种结构数据生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种结构数据生成方法、装置、设备及存储介质。该方法包括：获取历史结构数据和历史结构数据对应的历史建筑设计数据；根据所述历史结构数据确定初始训练数据集和高斯分布的初始参数；根据初始训练数据集、高斯分布的初始参数以及历史建筑设计数据确定目标训练数据集；根据目标训练集对待训练模型进行训练，得到目标扩散生成模型；获取目标建筑设计数据，并基于所述目标建筑设计数据生成第一结构数据；将第一结构数据输入至目标扩散生成模型，得到目标结构数据，通过本发明专利技术的技术方案，能够合理生成噪音数据，进而得到目标扩散生成模型，并且利用目标扩散生成模型生成目标结构数据，可提高目标结构数据的生成效率。率。率。

【技术实现步骤摘要】
一种结构数据生成方法、装置、设备及存储介质


[0001]本专利技术实施例涉及建筑工程
，尤其涉及一种结构数据生成方法、装置、设备及存储介质。

技术介绍

[0002]建筑物结构是由板、梁、柱以及墙等基础建筑构件形成的具有一定空间功能，并能安全承受建筑物各种正常荷载作用的骨架结构。柱、墙等竖向结构尺寸及位置一般由建筑设计确定，梁、板等水平结构则由结构设计师在满足建筑设计要求的前提下自由设计，较为费时费力。
[0003]而扩散生成模型可通过学习逐步向数据增加随机数据进行破坏，直至数据变为完全随机的数据的过程，然后再逆向从随机数据中还原所需的数据，可有效解决建筑物结构数据生成过程费时费力的问题，但目前扩散生成模型一般用于生成图像、语音等连续型数据，对于建筑物结构的离散型数据，由于无法合理生成噪音数据，导致无法将扩散生成模型引入建筑物结构数据生成设计中。

技术实现思路

[0004]本专利技术实施例提供一种结构数据生成方法、装置、设备及存储介质，能够合理生成噪音数据，进而得到目标扩散生成模型，并且利用目标扩散生成模型生成结构数据，可提高结构数据的生成效率。
[0005]根据本专利技术的一方面，提供了一种结构数据生成方法，包括：
[0006]获取历史结构数据和历史结构数据对应的历史建筑设计数据；
[0007]根据所述历史结构数据确定初始训练数据集和高斯分布的初始参数；
[0008]根据初始训练数据集、高斯分布的初始参数以及历史建筑设计数据确定目标训练数据集；
[0009]根据目标训练集对待训练模型进行训练，得到目标扩散生成模型；
[0010]获取目标建筑设计数据，并基于所述目标建筑设计数据生成第一结构数据；
[0011]将第一结构数据输入至目标扩散生成模型，得到目标结构数据。
[0012]根据本专利技术的另一方面，提供了一种结构数据生成装置，该结构数据生成装置包括：
[0013]第一获取模块，用于获取历史结构数据和历史结构数据对应的历史建筑设计数据；
[0014]第一确定模块，用于根据所述历史结构数据确定初始训练数据集和高斯分布的初始参数；
[0015]第二确定模块，用于根据初始训练数据集、高斯分布的初始参数以及历史建筑设计数据确定目标训练数据集；
[0016]第一得到模块，用于根据目标训练集对待训练模型进行训练，得到目标扩散生成
模型；
[0017]第二获取模块，用于获取目标建筑设计数据，并基于所述目标建筑设计数据生成第一结构数据；
[0018]第二得到模块，用于将第一结构数据输入至目标扩散生成模型，得到目标结构数据。
[0019]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0020]至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的结构数据生成方法。
[0021]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的结构数据生成方法。
[0022]本专利技术实施例通过获取历史结构数据和历史结构数据对应的历史建筑设计数据；根据所述历史结构数据确定初始训练数据集和高斯分布的初始参数；根据初始训练数据集、高斯分布的初始参数以及历史建筑设计数据确定目标训练数据集；根据目标训练集对待训练模型进行训练，得到目标扩散生成模型；获取目标建筑设计数据，并基于所述目标建筑设计数据生成第一结构数据；将第一结构数据输入至目标扩散生成模型，得到目标结构数据，解决了对于建筑物结构的离散型数据，由于无法合理生成噪音数据，导致无法将扩散生成模型引入建筑物结构数据生成设计中的问题，能够合理生成噪音数据，进而得到目标扩散生成模型，并且利用目标扩散生成模型生成目标结构数据，可提高目标结构数据的生成效率。
[0023]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0024]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0025]图1是本专利技术实施例一中的一种结构数据生成方法的流程图；
[0026]图2是本专利技术实施例二中的一种结构数据生成装置的结构示意图；
[0027]图3是本专利技术实施例三中的一种电子设备的结构示意图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范
围。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0030]可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
[0031]实施例一
[0032]图1是本专利技术实施例一中的一种结构数据生成方法的流程图，本实施例可适用于生成建筑结构数据的情况，该方法可以由本专利技术实施例中的结构数据生成装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
[0033]S110，获取历史结构数据和历史结构数据对应的历史建筑设计数据。
[0034]其中，历史结构数据可包括已有的结构设计图中的墙柱梁板位置、尺寸以及配筋等信息数据，历史结构数据对应的历史建筑设计数据可包括已有的结构设计图对应的建筑设计图中的建筑设计参数，还包括已有的结构设计图中的结构设计总参数，其中，建筑设计参数包括功能分区、人防分区、消防分区以及人员动线等数据，结构设计总参数包括设计使用年限、结构安全等级、抗震设防烈度以及场地液化等级本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结构数据生成方法，其特征在于，包括：获取历史结构数据和历史结构数据对应的历史建筑设计数据；根据所述历史结构数据确定初始训练数据集和高斯分布的初始参数；根据初始训练数据集、高斯分布的初始参数以及历史建筑设计数据确定目标训练数据集；根据目标训练集对待训练模型进行训练，得到目标扩散生成模型；获取目标建筑设计数据，并基于所述目标建筑设计数据生成第一结构数据；将第一结构数据输入至目标扩散生成模型，得到目标结构数据；其中，所述根据初始训练数据集、高斯分布的初始参数以及历史建筑设计数据确定目标训练数据集，包括：对所述初始训练集循环执行目标操作，直至所述初始训练数据集为空数据集；根据历史建筑设计数据、初始训练数据集以及每次采样后的初始训练数据集确定目标训练数据集；其中，所述目标操作包括：根据高斯分布的初始参数确定第一采样值，其中，若为首次执行目标操作，则高斯分布的初始参数根据历史结构数据确定，若非首次执行目标操作，则高斯分布的初始参数根据上一循环过程对应的采样后的初始训练数据集确定；删除所述初始训练数据集中的第一采样值对应的数据，得到采样后的初始训练数据集。2.根据权利要求1所述的方法，其特征在于，删除所述初始训练数据集中的第一采样值对应的数据，得到采样后的初始训练数据集，包括：获取初始训练数据集中的标识总数；根据初始训练数据集中的标识总数对初始训练数据集中每一标识进行赋值，得到赋值后的初始训练数据集；删除所述赋值后的初始训练数据集中与第一采样值差值最小的数据，得到采样后的初始训练数据集。3.根据权利要求1所述的方法，其特征在于，根据历史建筑设计数据、初始训练数据集以及每次采样后的初始训练数据集确定目标训练数据集，包括：根据历史建筑设计数据、首次执行目标操作的初始训练数据集以及首次执行目标操作的初始训练数据集对应的采样次数构成第一训练数据；根据历史建筑设计数据、每次采样后的初始训练数据集以及每次采样后的初始训练数据集对应的采样次数构成第二训练数据；根据第一训练数据和第二训练数据确定目标训练数据集。4.根据权利要求1所述的方法，其特征在于，根据目标训练集对待训练模型进行训练，得到目标扩散生成模型，包括：构建待训练模型；基于目标训练集，根据预设的损失函数对所述待训练模型进行迭代训练，直至满足迭代结束条件，得到目标扩散生成模型。5.根据权利要求1所述的方法，其特征在于，将第一结构数据输入至目标扩散生成模
型，得到目标结构数据，包括：获取高斯分布的目标参数和预设数据结构；对所述...

【专利技术属性】
技术研发人员：陈子奇，高文君，赵延武，宋婷，张平，
申请(专利权)人：中建五局第三建设有限公司，
类型：发明
国别省市：