【技术实现步骤摘要】
本专利技术涉及桥梁工程，尤其是涉及一种桥梁网络韧性评估及加固策略优化方法。
技术介绍
1、基于桥梁区域化、桥梁网络以及单体桥梁的考虑，震前加固优化方法是一种重要的工程实践，旨在提高桥梁在地震中的抗震韧性。
2、在区域化层面，桥梁作为交通网络的一部分，其安全性对整个区域的交通流动和经济活动至关重要。这要求对桥梁进行系统性的评估和加固规划，以确保在极端条件下，如地震发生时，关键的交通线路能够保持运行。在这一层面上，加固优化方法不仅涉及单个桥梁，还需要考虑桥梁网络中各个桥梁之间的相互影响及其对整个交通系统的影响。
3、在桥梁网络层面，加固工作侧重于确保网络中的关键桥梁能够在灾害发生时维持其结构完整性和功能性。通过对桥梁网络系统进行分析，可以确定哪些桥梁对整个网络的稳定性和功能性最为关键，从而优先对这些桥梁进行加固。
4、在单体桥梁层面，加固优化通常涉及对桥梁的具体结构特点进行细致分析，以及对可能的破坏模式进行评估。这包括对桥梁的材料、设计、施工质量以及历史维护记录的全面审查。震前加固优化方法是一个多层次、多维度的过程，需要综合考虑区域化、网络化和单体桥梁的特点，以确保桥梁在面对自然灾害时的稳定性和安全性。
技术实现思路
1、本专利技术的目的是提供一种桥梁网络韧性评估及加固策略优化方法，该方法能够在地震发生前，迅速从区域层面识别至关重要的桥梁，并对其进行优先加固，从而显著提升桥梁网络的韧性。这种策略旨在确保桥梁基础设施安全高效运行。
2、为实
3、s1、收集有关区域的数据，如人口密度、交通网络等信息，并进行数据预处理，确保数据适合分析；
4、s2、确定区域的重要度指标并据此构建区域网络的一次和二次拓扑结构图；
5、s3、依据步骤s1中所构建的二次拓扑网络，运用机器学习算法进行综合性的桥梁网络韧性评估并得到新的韧性评价指标；
6、s4、根据二次拓扑网络，利用动静态交融式模型和韧性指标确定桥梁震前加固策略，获得桥梁网络的最优加固策略。
7、优选的，在步骤s1中，在arcgis软件中进行城市区域化分块主要依赖于道路网数据，结合核密度分析结果以实现精确的区域划分。利用路网数据中的主要道路、干道、次要道路及高速公路，通过拓扑处理和道路中心线的提取等操作，系统性地优化了城市的空间结构。随后，通过借助提取的道路中心线，对整个城市区域进行了细致而精确的划分，形成多个地理单元。
8、优选的，在步骤s2中，采用兴趣点密度作为评估区域重要性的关键指标，具体包括以下步骤：
9、运用主方法进行初步拓扑图的构建，确保图形结构精确反映区域内兴趣点的分布与密度；
10、应用对偶法生成二次拓扑图，以进一步细化原始拓扑结构，确保其更精准地展示区域内兴趣点的相互关系及其在整体结构中的位置。
11、在网络拓扑过程中，将道路交叉口或重要网络节点定义为拓扑节点g＝{ge，gn}其中1≤e≤n；将道路或重要节点之间的链接关系作为连边v＝{gi,gj|gi,gj∈g}；则整个拓扑网络各节点之间的关系可以表示为邻接矩阵，具体如下所示：
12、式(2)中，v(gi，gj)表示gi，gj之间的实际距离，当且仅当两节点直接链接时v＝1，当两节点不直接链接时v＝∞，0元素表示节点间无链接关系或链接断开。
13、以道路作为拓扑网络的连边，以道路交叉口或重要交通枢纽(医院、消防、警局等应急管理部门)作为拓扑节点形成区域拓扑结构。考虑拓扑网络的结构特征的同时简化网络复杂程度。对桥梁网络引用以下特征：节点度值、介数、聚类系数，其相对应的表达式依次为：
14、节点度值：
15、
16、式(3)中，r(i)表示节点i周围的所有节点；
17、介数：
18、
19、式(4)中，qmn(i)表示桥梁节点m，n之间所有最短距离中通过节点i的数目；qmn表示m，n之间所有最短距离的数目，这里最短距离之两个节点间最小链接数。
20、聚类系数：
21、
22、式(5)中，re(i)为与节点i直接链接的节点间的实际链接数目，k(i)为节点i直接链接的节点数目
23、优选的，在步骤s3中，利用机器学习算法进行韧性评估的步骤具体如下所示：
24、数据准备，通过输入层x，输入层y，对数据桥梁网络的相关数据进行预处理；
25、根据s2生成的桥梁网络拓扑结构和s3的数据建立训练集和测试集；
26、通过交叉验证对模型进行多次训练，以此来找到最优模型并进行模型的有效性分析；
27、得到新的韧性指标。
28、优选的，在步骤s3中，在本专利中，提出了一个新的韧性评估模型，该模型融合了行车里程和网络效率两个指标。关键在于，引入了机器学习技术，通过综合分析行车里程与九项网络性能特征。该模型能够快速、准确地进行韧性评估。该方法不仅优化了评估流程，还显著提升了评估结果的可靠性和精准度。
29、步骤s3中，关于机器学习算法，为了进一步阐明本专利所采用的机器学习算法框架，并验证其合理性与功能性，将通过一个设计实例来说明，该案例中共有13个样本数据，假设样本[s1，..，s12]练集，样本[s13]为测试集，在进行一级模型训练时，为了获得样本[s1，..，s4]的预测结果[a1，…，a4]，使用样本
30、[s1，..，s4]和相应的实际标签[ac1，…，ac4]对adaboost模型进行训练。通过进行三次训练，得到[a1，…，a12]以及三个adaboost模型。以上的三个模型将对样本s13的结果a13进行预测，并得到预测结果。decisiontree、randomforest以及xbgboost一级模型的训练与adaboost训练相同。在进行第二级模型训练时，使用第一级模型的预测结果和对应的实际标签[ac1，…，ac12]对第二级模型linearregression进行训练。最后，将一级模型对测试样本的预测结果[a13，d13，r13，x13]输入到经过训练的二级模型linearregression中，得到最终预测结。
31、对一级模型的训练采用了网格调参和k倍交叉验证方法。网格调参尝试不同超参数组合以确定最佳配置，而k倍交叉验证用于减少采样偏差，通过随机分割k个相同大小的样本，其中k-1个样本训练模型，剩余样本(测试集)用于模型测试，以找到最佳超参数。这结合可以显著提高模型鲁棒性和泛化能力。
32、在步骤s3中行驶距离的韧性度量定义为：在地震发生后，交通网络恢复到初始运行状态的能力。通常涉及考虑网络在震前震后的功能表现，例如车辆的行驶距离和时间。
33、震前的行驶里程：
34、震后的行车里程：
35、式(6)和式(7)中，本文档来自技高网...
【技术保护点】
1.一种桥梁网络韧性评估及加固策略优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种桥梁网络韧性评估及加固策略优化方法，其特征在于：在步骤S1中，在ArcGIS软件中进行城市区域化分块主要依赖于道路网数据，结合核密度分析结果以实现精确的区域划分。
3.根据权利要求1所述的一种桥梁网络韧性评估及加固策略优化方法，其特征在于：在步骤S2中，采用兴趣点密度作为评估区域重要性的关键指标，具体包括以下步骤：
4.根据权利要求1所述的一种桥梁网络韧性评估及加固策略优化方法，其特征在于：在步骤S3中，利用机器学习算法进行韧性评估的步骤具体如下所示：
5.根据权利要求1所述的一种桥梁网络韧性评估及加固策略优化方法，其特征在于：在步骤S3中，利用机器学习算法进行韧性得到的新的韧性指标：
6.根据权利要求1所述的一种桥梁网络韧性评估及加固策略优化方法，其特征在于：在步骤S4中，利用动静态交融式模型对桥梁全周期加固修复策略进行优化，以确定最佳的顺序和方法，制定最优的桥梁全周期加固修复方案。
【技术特征摘要】
1.一种桥梁网络韧性评估及加固策略优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种桥梁网络韧性评估及加固策略优化方法，其特征在于：在步骤s1中，在arcgis软件中进行城市区域化分块主要依赖于道路网数据，结合核密度分析结果以实现精确的区域划分。
3.根据权利要求1所述的一种桥梁网络韧性评估及加固策略优化方法，其特征在于：在步骤s2中，采用兴趣点密度作为评估区域重要性的关键指标，具体包括以下步骤：
4.根据权利要求1所述的...
【专利技术属性】
技术研发人员：杨国俊，后春明，吴东旭，师传龙，毛建博，田里，
申请(专利权)人：兰州理工大学，
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。