一种基于神经网络的城市建筑震害预测方法

1.本发明涉及一种基于神经网络的城市建筑震害预测方法，属于震害预测领域。


背景技术：

2.城市人口、建筑和基础设施呈密集化发展，城市中一旦发生地震灾害将导致严重的后果，城市群体建筑的震害预测对减轻地震灾害风险有重要意义。目前针对城市群体建筑的震害预测方法大多通过实地调研或对往年群体建筑的震害历史数据进行统计，缺点在于：城镇建筑数据无法及时更新且需要花费大量的人力、物力。
3.故，需要一种高效准确的城市建筑震害自动预测方法。
4.申请号为cn201611226153.3的发明专利《一种民居震害矩阵动态预测方法》公开了：一、确定计算区域的西部农村民居震害因子及其个数n；二、确定农村民居震害因子中符合第j项分类的第i个震害因子d
ij
、ω
ij
及对应第i个震害因子的取值分类的类别数t；三、计算每类震害因子；四、计算总的震害因子；五、计算λ；六、计算d；七、确定西部农村单个民居或村庄的破坏等级；八、计算所有需要计算的西部农村单个民房或村庄的破坏等级,已经计算的不需计算；九、结合计算机软件动态给出相应的震害矩阵。该方法仅是针对民居建筑进行震害预测，无法扩展应用至城市建筑的震害预测领域，且该方法中震害因子、权重值的具体取值仍需要人工确定。


技术实现要素：

5.为了克服现有技术中存在的问题，本发明设计了一种基于神经网络的城市建筑震害预测方法，利用无人机和分类模型自动获取待测建筑物的建筑信息(本发明中建筑信息体现为分类结果)，降低建筑信息获取成本，且能够及时更新建筑信息。且基于所述分类结果，确定相似样本建筑物，并根据相似样本建筑物的震害情况预测待测建筑物的震害情况，快速高效地预测大量建筑物的震害情况，从而帮助工作人员宏观把控某一区域的建筑震害情况，人力、物力消耗小，有利于编制该区域的防震减灾规划。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种基于神经网络的城市建筑震害预测方法，包括以下步骤：
8.s1、选取n个震害影响因子；
9.s2、以所述n个震害影响因子为分类依据，通过分类模型得到待测建筑物与n个震害影响因子相对应的n个分类结果；
10.s3、基于待测建筑物的n个分类结果，确定与待测建筑物相似的样本建筑物；
11.s4、根据所述相似的样本建筑物的震害情况，预测待测建筑物的震害情况。
12.进一步地，所述步骤s2具体为：
13.获取待处理图像，所述待处理图像包括待测建筑物；
14.分别以n个震害影响因子为分类依据，构建并训练n个分类模型；将所述待处理图像分别输入至n个分类模型，得到待测建筑物的n个分类结果。
15.进一步地，所述步骤s3具体为：
16.获取若干个样本数据，每一样本数据包括一样本建筑物的震害情况及该样本建筑物的n个分类结果；
17.根据待测建筑物的n个分类结果和样本建筑物的n个分类结果，分别计算待测建筑物与样本建筑物的相似度；
18.根据所述相似度，确定与待测建筑物相似的样本建筑物。
19.进一步地，所述计算待测建筑物与样本建筑物的相似度，以公式表达为：
[0020][0021]
式中，d(x,y)为海明距离，x表示待测建筑物；y表示样本建筑物；xi表示待测建筑物的第i个震害影响因子对应的分类结果；yi表示样本建筑物的第i个震害影响因子对应的分类结果；wi(i＝1,2,3,
…
,n)表示各震害影响因子的权重，表示各分类结果的重要程度。
[0022]
进一步地，所述各震害影响因子的权重通过熵值法确定。
[0023]
进一步地，所述步骤s4具体为：
[0024]
所述相似的样本建筑物的震害指数即为待测建筑物的震害指数，根据待测建筑物的震害指数确定待测建筑物的震害等级。
[0025]
进一步地，还包括，对相似的样本建筑物的震害指数进行修正，将修正后的震害指数作为待测建筑物的震害指数。
[0026]
进一步地，所述n个震害影响因子包括：场地类别、建筑年代、现状质量、高度、用途、墙体材料。
[0027]
与现有技术相比本发明有以下特点和有益效果：
[0028]
1、本发明利用无人机和分类模型自动获取待测建筑物的建筑信息(本发明中建筑信息体现为分类结果)，降低建筑信息获取成本，且能够及时更新建筑信息。
[0029]
2、本发明基于所述分类结果，确定相似样本建筑物，并根据相似样本建筑物的震害情况预测待测建筑物的震害情况，可以快速高效地预测大量建筑物的震害情况，从而帮助工作人员宏观把控某一区域的建筑震害情况，人力、物力消耗小，有利于编制该区域的防震减灾规划。
[0030]
3、本发明利用分类结果和加权海明距离公式计算样本建筑物与待测建筑物的相似度，充分衡量了样本建筑物与待测建筑物之间的共通点，将已有的样本建筑物震害情况迁移至待测建筑物，所需计算量小、预测精度高。
[0031]
4、本发明利用熵值法确定各分类结果的权重，消除确定各震害影响因子重要性时的主观性，使得到的相似度更加客观更符实际情况。
[0032]
5、本发明以修正后的震害指数作为待测建筑物的震害指数判定待测建筑物的震害等级，进一步提高预测精度，并进一步适用样本建筑物数据量较小的情况。
附图说明
[0033]
图1是本发明流程图；
[0034]
图2至图4是待处理图像示意图。
具体实施方式
[0035]
下面结合实施例对本发明进行更详细的描述。
[0036]
实施例一
[0037]
如图1所示，一种基于神经网络的城市建筑震害预测方法，包括以下步骤：
[0038]
利用无人机拍摄待测建筑，得到待处理图像(如图2至图4所示)；
[0039]
根据该城市建筑的震害历史，选取n个震害影响因子。本实施例中，选取震害影响因子：场地类别、建筑年代、现状质量、高度、用途、墙体材料。
[0040]
根据选取的n个震害影响因子，相应地构建n个分类模型，本实施例中各分类模型结构采用神经网络yolov-3。分别以n个震害影响因子为分类依据，训练该n个分类模型。最终将待处理图像分别输入至训练好的n个分类模型，得到n个分类结果。本实施例中，震害影响因子及相应的分类结果如下表所示：
[0041]
[0042][0043]
获取多个样本建筑物在各地震烈度下的震害情况(本实施例中为各地震烈度下的震害指数)及该样本建筑物的n个分类结果作为样本数据集。
[0044]
利用加权海明距离公式分别计算待测建筑与各样本建筑物的相似度。加权海明距离公式，如下：
[0045][0046]
式中，d(x,y)表示海明距离值，x表示待测建筑物；y表示样本建筑物；xi表示待测建筑物的第i个震害影响因子对应的分类结果；yi表示样本建筑物的第i个影响因子的分类结果；wi(i＝1,2,3,
…
,n)表示各震害影响因子的权重。
[0047]
海明距离最小，相似度越高。将海明距离值最小的样本建筑物，确定为与待测建筑物相似的样本建筑物。视两者的震害情况一致，待测建筑物在各地震烈度下的震害指数即为样本建筑物在各地震烈度下的震害指数。
[0048]
根据待测建筑物的震害指数，确定待测建筑物的震害等级。
[0049]
本实施例的有益效果在于：
[0050]
1、利用无人机和分类模型自动获取待测建筑物的建筑信息(本发明中建筑信息体现为分类结果)，降低建筑信息获取成本，且能够及时更新建筑信息。
[0051]
2、基于所述分类结果，确定相似样本建筑物，并根据相似样本建筑物的震害情况
预测待测建筑物的震害情况，可以快速高效地预测大量建筑物的震害情况，从而帮助工作人员宏观把控某一区域的建筑震害情况，人力、物力消耗小，有利于编制该区域的防震减灾规划。
[0052]
3、利用分类结果和加权海明距离公式计算样本建筑物与待测建筑物的相似度，充分衡量了样本建筑物与待测建筑物之间的共通点，将已有的样本建筑物震害情况迁移至待测建筑物，所需计算量小、预测精度高。
[0053]
实施例二
[0054]
在本实施例中，利用熵值法确定各分类结果的权重
[0055]
样本数据集中包含5个样本建筑物。构建6个震害影响因子的判断矩阵，并对判断矩阵进行线性比例变换标准化处理，得到标准化矩阵y＝(y
ij
)5*6
[0056]
其中，
[0057]
x
ij
表示第i个样本建筑物的第j个震害影响因子对应的分类结果；max x
ij
表示i*j个分类结果中的最大值；
[0058]
对标准化矩阵进行归一化处理得到
[0059][0060]
计算第j个震害影响因子的熵值
[0061][0062]
k＝(ln5)-1
[0063]
利用熵值法对各震害影响因子赋权，得到震害影响因子的权重向量βj[0064][0065]hj
＝1-e
j 1≤j≤6
[0066]
各震害影响因子的权重如下
[0067]
βj＝(0.07，0.03，0.06，0.06，0.5，0.8)
[0068]
本实施例的有益效果在于，利用熵值法确定各分类结果的权重，消除确定各震害影响因子重要性时的主观性，使得到的相似度更加客观更符实际情况。
[0069]
实施例三
[0070]
相似样本建筑物在各地震烈度下的震害指数即为待测建筑物在各地震烈度下的震害指数。不同结构类型的建筑物适用的震害指数不同，如钢筋混凝土的震害指数为延伸率，砖混结构的震害指数为其本身的抵抗地震作用的程度。本实施例中，待测建筑物的结构类型为钢筋混凝土，则取震害指数为结构延伸率μ。相似样本建筑物在某一地震烈度下的结构延伸率μ＝1.5，根据震害指数和震害等级的对应关系，得到震害等级为轻微损坏，从而完成对待测建筑物的震害预测。某一地震烈度下震害指数和震害等级的对应关系如下表所
示。
[0071][0072]
利用本发明所述预测方法对某一区域内所有建筑进行震害预测，其结果下表所示，包含不同地震烈度下，不同震害等级建筑物占该区域内所有建筑的数量百分比。
[0073] 6度7度8度9度基本完好90.16％73.88％12.72％8.15％轻微破坏4.81％9.65％35.74％11.49％中等破坏0.97％10.07％25.95％22.49％严重破坏1.37％1.71％15.40％31.56％毁坏2.69％4.68％10.19％26.30％
[0074]
实施例四
[0075]
依据震害影响因子的修正系数，对相似样本建筑物的震害指数进行修正。本实施例中具体为，将建筑高度修正系数乘相似样本建筑物的震害指数，得到修正后的震害指数。将修正后的震害指数作为待测建筑物的震害指数。
[0076]
本实施例的有益效果在于，以修正后的震害指数作为待测建筑物的震害指数判定待测建筑物的震害等级，进一步提高预测精度，并进一步适用样本建筑物数据量较小的情况。
[0077]
显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。