【技术实现步骤摘要】
本专利技术涉及桥梁风险预测，尤其涉及一种区域性桥梁风险预测方法及系统。
技术介绍
1、桥梁是现代社会不可或缺的基础设施，然而由于自然灾害、设计、施工、维护等因素的影响，桥梁存在一定的风险。近年来，桥梁风险预测主要是通过桥梁应力应变监测系统来实现的，通过对桥梁结构及部件应变、位移及受力等进行连续监测、快速分析和评估，从而实现了桥梁单点风险的实时预测。但是这种方式缺乏对整体风险的评估，仅仅是通过桥梁使用过程中产生的结构数据，忽略了其他因素的影响，其预测精度并不理想；同时，由于桥梁数量众多，其积累数据快、数据海量的特性，布控大量监测系统显然存在成本高、滞后性大等问题。
技术实现思路
1、为了解决上述提出的至少一个技术问题，本专利技术提供一种区域性桥梁风险预测方法及系统。
2、第一方面，本专利技术提供了一种区域性桥梁风险预测方法，所述方法包括：
3、对待检测的桥梁进行区域划分，生成多个子检测区；
4、基于不同的子检测区，匹配对应的风险评估指标；所述风险评估指标包括多个一级指标，每个所述一级指标下对应有多个二级指标；
5、利用标度扩展法构建判断矩阵，分别根据判断矩阵、熵权法计算每个子检测区中的风险评估指标的第一权重和第二权重，根据第一权重和第二权重确定险评估指标的目标权重，根据风险评估指标及目标权重建立每个子检测区的风险评估函数；
6、采集桥梁使用期间的多元数据，利用k邻近算法剔除多元数据的异常值，得到目标数据，将目标数据输入至预测
7、将不同风险评估指标对应的数值代入风险评估函数，得到每个子检测区的风险值，根据风险值为每个子检测区匹配对应的维护策略。
8、在一个优选地实施方式中，所述一级指标包括自然风险、人为风险及管理风险；
9、所述二级指标包括气象灾害、地震灾害、洪水灾害、地质灾害、撞击、超载超限、火灾爆炸、交通管理不足以及应急机制不当。
10、在一个优选地实施方式中，所述基于不同的子检测区，匹配对应的风险评估指标，包括：
11、若子检测区为桥面区，确定风险评估指标为气象灾害、地震灾害、地质灾害、撞击、超载超限、火灾爆炸、交通管理不足以及应急机制不当；
12、若子检测区为桥墩区，确定风险评估指标为气象灾害、地震灾害、洪水灾害、地质灾害、撞击、超载超限及火灾爆炸；
13、若子检测区为桥台区，确定风险评估指标为气象灾害、地震灾害、洪水灾害、地质灾害、火灾爆炸；
14、若子检测区为护栏区，确定风险评估指标为气象灾害、地震灾害、地质灾害、撞击、火灾爆炸。
15、在一个优选地实施方式中，所述利用标度扩展法构建判断矩阵，分别根据判断矩阵、熵权法计算每个子检测区中的风险评估指标的第一权重和第二权重，包括：
16、基于子检测区中的n个风险评估指标，将任意两个指标的重要度进行比较，得到按照重要度排序的指标序列：
17、x1≥x2≥…≥xn
18、将xi与xi+1进行比较，并将对应的标度值记为mi，按照重要度的传递性计算判断矩阵中其他元素的值，得到判断矩阵r为：
19、
20、式中，mi为xi与xi+1的标度值，π表示累乘；
21、计算每个子检测区中的风险评估指标的第一权重wi：
22、
23、式中，为矩阵r中第i行所有元素的乘积；
24、利用熵权法计算风险评估指标的第二权重vi。
25、在一个优选地实施方式中，根据第一权重和第二权重确定险评估指标的目标权重，根据风险评估指标及目标权重建立每个子检测区的风险评估函数，包括：
26、确定险评估指标的目标权重μi：
27、μi＝βwi+(1-β)vi
28、
29、式中，β为第一权重在目标权重中所占的比例，c为评价指标数，为常数；
30、根据风险评估指标及目标权重建立每个子检测区的风险评估函数，包括：
31、
32、式中，f为风险评估函数。
33、在一个优选地实施方式中，所述采集桥梁使用期间的多元数据，利用k邻近算法剔除多元数据的异常值，包括：
34、采集桥梁使用期间的多元数据，所述多元数据包括环境数据、结构数据以及管理数据；
35、利用交叉验证法选择最优k值，基于多元数据，计算各个数据距离最优k值的欧式距离，并将计算结果与预设阈值比较，在确定当前数据距离最优k值的欧式距离大于所述预设阈值时，将当前数据作为异常值并剔除。
36、在一个优选地实施方式中，所述方法还包括训练预测模型，包括：
37、获取训练样本，利用训练样本分别对支持向量机和随机森林算法进行训练，生成第一模型和第二模型；
38、将第一模型和第二模型作为集成分类器隐藏层的基分类器，确定基分类器的权重，采用bagging算法并行训练集成分类器得到每个基分类器的分类误差；
39、根据分类误差重新计算基分类器的权重，将更新后的集成分类器作为预测模型。
40、第二方面，本专利技术还提供了一种区域性桥梁风险预测系统，所述系统包括：
41、区域划分单元，用于对待检测的桥梁进行区域划分，生成多个子检测区；
42、指标匹配单元，用于基于不同的子检测区，匹配对应的风险评估指标；所述风险评估指标包括多个一级指标，每个所述一级指标下对应有多个二级指标；
43、函数构建单元，用于利用标度扩展法构建判断矩阵，根据判断矩阵计算每个子检测区中的风险评估指标的权重，根据风险评估指标及权重建立每个子检测区的风险评估函数；
44、风险预测单元，用于采集桥梁使用期间的多元数据，利用k邻近算法剔除多元数据的异常值，得到目标数据，将目标数据输入至预测模型，得到不同风险评估指标对应的数值；其中，预测模型基于支持向量机和随机森林算法训练得到；
45、策略匹配单元，用于将不同风险评估指标对应的数值代入风险评估函数，得到每个子检测区的风险值，根据风险值为每个子检测区匹配对应的维护策略。
46、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，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如上述第一方面及其任意一种可能实现的方式的方法。
47、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中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行如上述第一方面及其任意一种可能实现的方式的方法。
48、与现有技术相比，本专利技术的有益效果在于：
49、1)本专利技术首先会对待检测的桥梁进行区域划分，生成多本文档来自技高网...
【技术保护点】
1.一种区域性桥梁风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的区域性桥梁风险预测方法，其特征在于，所述一级指标包括自然风险、人为风险及管理风险；
3.根据权利要求2所述的区域性桥梁风险预测方法，其特征在于，所述基于不同的子检测区，匹配对应的风险评估指标，包括：
4.根据权利要求1所述的区域性桥梁风险预测方法，其特征在于，所述利用标度扩展法构建判断矩阵，分别根据判断矩阵、熵权法计算每个子检测区中的风险评估指标的第一权重和第二权重，包括：
5.根据权利要求4所述的区域性桥梁风险预测方法，其特征在于，根据第一权重和第二权重确定险评估指标的目标权重，根据风险评估指标及目标权重建立每个子检测区的风险评估函数，包括：
6.根据权利要求1所述的区域性桥梁风险预测方法，其特征在于，所述采集桥梁使用期间的多元数据，利用K邻近算法剔除多元数据的异常值，包括：
7.根据权利要求1所述的区域性桥梁风险预测方法，其特征在于，所述方法还包括训练预测模型，包括：
8.一种区域性桥梁风险预测系统，其特征在于
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如权利要求1至7任一项所述的区域性桥梁风险预测方法。
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中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行权利要求1至7任一项所述的区域性桥梁风险预测方法。
...【技术特征摘要】
1.一种区域性桥梁风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的区域性桥梁风险预测方法，其特征在于，所述一级指标包括自然风险、人为风险及管理风险；
3.根据权利要求2所述的区域性桥梁风险预测方法，其特征在于，所述基于不同的子检测区，匹配对应的风险评估指标，包括：
4.根据权利要求1所述的区域性桥梁风险预测方法，其特征在于，所述利用标度扩展法构建判断矩阵，分别根据判断矩阵、熵权法计算每个子检测区中的风险评估指标的第一权重和第二权重，包括：
5.根据权利要求4所述的区域性桥梁风险预测方法，其特征在于，根据第一权重和第二权重确定险评估指标的目标权重，根据风险评估指标及目标权重建立每个子检测区的风险评估函数，包括：
6.根据权利要求1所述的区域性桥梁风险预测方...
【专利技术属性】
技术研发人员：乔志，牛昌昌，赵胜，沈永飞，闫旭亮，赵建雄，吴平，陈志忠，薛皓贤，田璐，任永胜，徐海林，田俊宝，戴玉东，张俊，苏建，梁贺春，秦好鹏，
申请(专利权)人：内蒙古交通集团有限公司，
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。