基于门控循环单元的地震破坏力预测方法及装置与流程

技术特征：
1.一种基于门控循环单元的地震破坏力预测方法，其特征在于，包括以下步骤：步骤s1、从开源地震动数据库获取地震动时程数据，建立数据库，作为样本数据；步骤s2、对样本数据进行破坏力分析以划分破坏力等级，并将破坏力等级作为样本标签；步骤s3、通过经验模态分解算法将地震动时程数据分解为多个本征模态函数分量；步骤s4、定义gru模型的损失函数，将分解得到的各本征模态函数分量作为gru模型的输入特征，并结合样本标签对其进行训练；步骤s5、当gru模型的损失函数的值收敛为一个固定值保持不变时，结束训练，得到emd
‑
gru模型；步骤s6、将传感器采集的地震动数据或者通过地震动监测网络获取的地震动数据输入emd
‑
gru模型，通过emd
‑
gru模型预测得到地震破坏力等级。2.根据权利要求1所述的基于门控循环单元的地震破坏力预测方法，其特征在于，经验模态分解算法通过以下步骤实现：步骤s11、根据地震动时程数据中的其中一项数据得到原始信号x(t)，t表示时间；步骤s12、对原始信号x(t)进行筛分；具体为：找出原始信号x(t)所有的极大值点，拟合成原始信号的上包络线；找出原始信号x(t)所有的极小值点，拟合成原始信号的下包络线；计算上包络线和下包络线的均值得到原始信号x(t)的平均包络线m1(t)；将原始信号x(t)减去m1(t)后即可得到一个新的信号d
1,1
(t)；步骤s13、判断d
1,1
(t)是否满足本征模态函数分量的条件，如果不满足，则以d
1,1
(t)代替原始信号x(t)，继续按步骤s12对d
1,1
(t)进行筛分，经过k次筛分后的信号记为d
1,k
(t)，直到d
1,k
(t)满足本征模态函数分量的条件时，记为原始信号x(t)的第一个imf分量imf1(t)；步骤s14、从原始信号x(t)中减去第一个imf分量imf1(t)，得到剩余分量r1(t)，对r1(t)继续按步骤s12和步骤s13进行分解；经过n次分解后，求得残余信号r
n
(t)；当r
n
(t)为单调函数时，将剩余分量函数r
n
(t)作为残余量res；步骤s15、根据地震动时程数据中的另一项数据得到原始信号x(t)，返回步骤s12对该数据形成的原始信号x(t)进行分解，直到将地震动时程数据包括的各项数据均分解成imf分量和残余量res后停止分解。3.根据权利要求2所述的基于门控循环单元的地震破坏力预测方法，其特征在于，本征模态函数分量满足以下条件：函数在整个时间范围内，极值点个数与过零点个数相等或相差1；在任意时刻点，上包络线和下包络线的均值均为0。4.根据权利要求1所述的基于门控循环单元的地震破坏力预测方法，其特征在于，gru模型的损失函数l(x，y)定义为：其中，n表示样本的个数，x
i
表示第i个样本的实际地震破坏力等级，y
i
表示第i个样本模型所预测的地震破坏力等级。5.根据权利要求1所述的基于门控循环单元的地震破坏力预测方法，其特征在于，所述
gru模型在任一时刻的输入特征为地震动时程数据包括的每一项数据的所有本征模态函数分量在该时刻的值组成的一个向量。6.一种基于门控循环单元的地震破坏力预测装置，其特征在于，包括：地震动数据获取模块，用于实时采集地震动数据或者通过地震动监测网络获取地震动数据，并传输到分析模块；分析模块，用于对地震动数据获取模块送来的地震动数据进行分析，并对地震的破坏力进行预测，得到地震的破坏力等级；以及预测数据输出模块，用于输出地震的破坏力等级。7.根据权利要求6所述的基于门控循环单元的地震破坏力预测装置，其特征在于，还包括预警模块，所述预警模块用于将所述分析模块预测的地震的破坏力等级与预设的地震破坏力等级阈值进行比较，当预测的地震破坏力等级大于或等于地震破坏力等级阈值时，发出预警信号。8.根据权利要求7所述的基于门控循环单元的地震破坏力预测装置，其特征在于，还包括传播模块，所述传播模块用于在预警模块发出预警信号时，将预警信号和预测的地震破坏力等级传送到特定设备。9.根据权利要求6所述的基于门控循环单元的地震破坏力预测装置，其特征在于，所述分析模块包括数据预处理单元、emd
‑
gru模型和输出单元；所述数据预处理单元用于读取地震动数据获取模块获取的地震动数据，并进行格式转换；所述emd
‑
gru模型包括经验模态分解模块和gru模型，所述经验模态分解模块用于通过经验模态分解算法将地震动时程数据分解为多个本征模态函数分量，并将各本征模态函数分量形成的向量作为gru模型的输入特征；所述gru模型用于根据输入特征预测出地震的破坏力等级；所述输出单元用于将预测的地震破坏力等级发送给预测数据输出模块和预警模块。

技术总结
本发明涉及一种基于门控循环单元的地震破坏力预测方法，包括：从开源地震动数据库获取地震动时程数据作为样本数据；对样本数据进行破坏力分析并划分破坏力等级，作为样本标签；通过经验模态分解算法将地震动时程数据包括的各项数据分别分解为多个本征模态函数分量；将分解得到的各本征模态函数分量作为GRU模型的输入特征，并结合样本标签进行训练，得到EMD


技术研发人员：陈增顺 赵智航 汪亚泰 许叶萌 王思宇 张利凯
受保护的技术使用者：重庆大学
技术研发日：2021.08.13
技术公布日：2021/10/23