System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及测绘地理信息系统技术和计算机科学,具体涉及一种承灾体三维模型的参数优化方法。
技术介绍
1、在现代社会发展过程中,城市建设进程和发展速度日新月异,地震造成的灾害影响,给我们的生命财产带来了巨大的损失,尤其是在城市这种建筑众多、结构复杂、关联性强的场景中,造成的影响会更加严重。为了减轻地震灾害对城市的影响,需要充分摸清城市承灾体的风险底数,包括城市建筑物的结构类型、建筑年代、建筑用途等,从而更好地研判出地震发生后造成影响。基于实景的三维场景可以真实、立体、动态呈现出城市承灾体场景,能够多角度呈现建筑物场景,以全局可视化的方式模拟承灾体遭遇地震破坏后的受灾情景。对此,其基础在于对城市三维场景的构建。首先,对城市复杂场景进行采集方案设计,对硬件选择、相机夹角、相片重叠度等进行计算设计;然后,进行城市场景中特色建筑物的部件进行区分,如广告牌、路灯、玻璃幕墙等,采用内容感知重建方式进行建模;最后,进行场景色彩的调节,保障整个城市场景展示的真实性和美观度,以实现可以模拟地震灾害对城市造成的破坏。
2、承灾体三维模型构建过程中,参数的准确性极为关键。然而,由于数据采集和处理的复杂性,以及技术限制等因素,承灾体三维模型构建参数可能存在不准确的情况。这种情况下,可能会导致模型中的建筑物分布、结构和场景呈现出与实际情况不符的问题。例如,承灾体三维模型中的建筑物可能被错误地定位或高度估计不准确,从而给灾害风险评估工作带来困难。为了解决这个问题,需要继续改进数据采集和处理技术,以提高承灾体三维模型构建参数的准确性和精度,从而构
技术实现思路
1、本专利技术的目的在于克服上述技术不足,提供一种承灾体三维模型的参数优化方法,解决现有技术中在对地震灾害影响程度进行分析时,承灾体三维构建过程中,承灾体形貌参数测量不准确的技术问题。
2、为解决上述问题,本专利技术采取了以下技术方案:
3、第一方面,本专利技术提供了一种承灾体三维模型的参数优化方法,包括:
4、获取受灾前的若干当前形貌参数以及所述若干当前形貌参数的多个影响因素;
5、基于所述多个影响因素和所述若干当前形貌参数构建样本库,对所述若干当前形貌参数中的至少一个当前形貌参数构建至少两种单一近似模型,并根据所述至少两种单一近似模型构建组合近似模型;
6、基于所述组合近似模型,根据所述样本库获取当前仿真信号;
7、根据所述当前形貌参数和所述当前仿真信号确定所述当前形貌参数是否为目标形貌参数;
8、当所述当前形貌参数不是所述目标形貌参数时,基于鲁棒非线性修正方法,根据所述当前形貌参数和所述当前仿真信号确定备选形貌参数;并根据所述备选形貌参数确定所述目标形貌参数。
9、在一些实施例中,所述根据所述至少两种单一近似模型构建组合近似模型,包括:
10、确定所述至少两种单一近似模型中各单一近似模型的初始权重;
11、基于所述初始权重将所述至少两种单一近似模型进行线性叠加,生成所述组合近似模型。
12、在一些实施例中,所述单一近似模型为响应面模型、径向基神经网络模型、支持向量回归模型以及极限学习机模型中的任意一种。
13、在一些实施例中,所述根据所述当前形貌参数和所述当前仿真信号确定所述当前形貌参数是否为目标形貌参数,包括:
14、确定所述当前形貌参数和所述当前仿真信号的信号差值;
15、判断所述信号差值是否小于阈值差值;
16、若所述信号差值小于所述阈值差值,则所述当前形貌参数是所述目标形貌参数;
17、若所述信号差值大于或等于所述阈值差值,则所述当前形貌参数不是所述目标形貌参数。
18、在一些实施例中,所述备选形貌参数为:
19、
20、
21、
22、
23、
24、
25、式中,p(i+1)为所述备选形貌参数;p(i)为所述当前形貌参数;为形貌参数变化值;argmin{}为最小二乘函数;j为获取所述当前形貌参数和所述当前仿真信号的通道序号;m为通道的总个数;ρ(p)为鲁棒评价函数;为第j个通道的所述当前形貌参数和所述当前仿真信号的信号差值;j(p(i))j为第j个通道的所述当前形貌参数的雅克比矩阵;为第j个通道的所述当前仿真信号;为第j个通道的所述当前形貌参数。
26、在一些实施例中,所述鲁棒评价函数为:
27、ω(p)=ρ′(p)/p
28、ω(p)=ρ′(p)/p
29、
30、
31、式中,ρ’(p)为所述鲁棒评价函数的一阶导数;p为任意常数;ω(p)为安德鲁斯强振荡算子;ca为预设常数。
32、在一些实施例中,所述根据所述备选形貌参数确定所述目标形貌参数,包括:
33、基于所述备选形貌参数,获取当前形貌参数以及备选仿真信号;
34、根据所述当前形貌参数和所述备选仿真信号确定所述备选形貌参数是否为所述目标形貌参数;
35、当所述备选形貌参数不是所述目标形貌参数时,基于所述鲁棒非线性修正方法对所述备选形貌参数进行更新,直至所述备选形貌参数是所述目标形貌参数。
36、第二方面,本专利技术还提供了一种承灾体三维模型的参数优化装置,包括:
37、获取模块,用于获取受灾前的若干当前形貌参数以及所述若干当前形貌参数的多个影响因素;
38、组合近似模型构建模块,用于基于所述多个影响因素和所述若干当前形貌参数构建样本库,对所述若干当前形貌参数中的至少一个当前形貌参数构建至少两种单一近似模型,并根据所述至少两种单一近似模型构建组合近似模型;
39、当前仿真信号确定模块,用于根据所述组合近似模型,获取当前仿真信号;
40、判断模块,用于根据所述当前形貌参数和所述当前仿真信号确定所述当前形貌参数是否为目标形貌参数;
41、目标形貌参数确定模块,用于当所述当前形貌参数不是所述目标形貌参数时,基于鲁棒非线性修正方法,根据所述当前形貌参数和所述当前仿真信号确定备选形貌参数;并根据所述备选形貌参数确定所述目标形貌参数。
42、第三方面,本专利技术还提供了一种电子设备,包括:处理器和存储器;
43、所述存储器上存储有可被所述处理器执行的计算机可读程序;
44、所述处理器执行所述计算机可读程序时实现如上所述的承灾体三维模型的参数优化方法中的步骤。
45、第四方面,本专利技术还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一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上所述的承灾体三维模型的参数优化方法中的步骤。
46、与现有技术相比,本专利技术提供的承灾体三维模型的参数优化方法、装置和电子设备,首先获取受灾前的若干当前形貌参数以及本文档来自技高网...
【技术保护点】
1.一种承灾体三维模型的参数优化方法,其特征在于,包括:
2.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述根据所述至少两种单一近似模型构建组合近似模型,包括:
3.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述单一近似模型为响应面模型、径向基神经网络模型、支持向量回归模型以及极限学习机模型中的任意一种。
4.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述根据所述当前形貌参数和所述当前仿真信号确定所述当前形貌参数是否为目标形貌参数,包括:
5.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述备选形貌参数为:
6.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述鲁棒评价函数为:
7.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述根据所述备选形貌参数确定所述目标形貌参数,包括:
8.一种承灾体三维模型的参数优化装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:处理
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-7所述的承灾体三维模型的参数优化方法中的步骤。
...【技术特征摘要】
1.一种承灾体三维模型的参数优化方法,其特征在于,包括:
2.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述根据所述至少两种单一近似模型构建组合近似模型,包括:
3.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述单一近似模型为响应面模型、径向基神经网络模型、支持向量回归模型以及极限学习机模型中的任意一种。
4.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征在于,所述根据所述当前形貌参数和所述当前仿真信号确定所述当前形貌参数是否为目标形貌参数,包括:
5.根据权利要求1所述的承灾体三维模型的参数优化方法,其特征...
【专利技术属性】
技术研发人员:李晋,吴彬,张移,朱嘉健,杜鹏,吴华平,杨芳,俞岗,
申请(专利权)人:广东省城市地震安全研究所广东省防震减灾科技协同创新中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。