CN114757309B 多物理场监测数据协同融合的工程灾害预警方法及系统 （青岛理工大学）

多物理场监测数据协同融合的工程灾害预本发明涉及一种多物理场监测数据协同融论融合规则获得融合后各预警等级的基本概率2获取工程结构潜在危险部位的多传感器实时监测所述获取工程结构潜在危险部位的多传感器实时监获取工程结构潜在危险部位的多传感器实时监测对所述多传感器实时监测数据通过小波分析或均值列数据对应不同传感器采集的不同物理场监测指标i；所述物理场监测指标i包括应根据所述归一化样本矩阵，采用多元统计方法解析各物式中，p是指标个数；为对应不同监测指标i和j的两列数据x,与x之间的相关系数；i,j=l,2,3,…,p，且x与x的平均k=1,2,3,..,n，n为归一化样本矩阵每列数据x,中包含的数据个数；根据所述相关系数矩阵R计算p个非负特征根；p为物理场监测指标i的个数；3根据所述p个非负特征根确定p个公因子中前q个公因子的累计贡根据累计贡献度不小于85%的原则，选择出反映工程结构安全状态的主要公因子根据所述因子载荷矩阵A计算各物理场监测指标i在所有主要公因子中所占的权重根据各物理场监测指标i对应的累计贡献度和权重，计算各物理场监测指标iTi反映了各物理场监测指标i对于工程安全状态的敏感根据所述各物理场监测指标对于工程安全状态的敏感性指导长短期记忆网络的初始将所述长短期记忆网络输出结果作为证据输入，根据切比雪夫距离改进的D-S证据理根据所述融合后各预警等级的基本概率赋值，采用基将所述各物理场监测指标i对于工程安全状态的敏感性Ti作为长短期记忆网络的初始化权重，将所述各物理场监测指标对应的归一化样本矩阵作为样本集对所述长短期记证据输入，根据切比雪夫距离改进的D-S证据理论融合规则获得融合后各预警等级的基本将所述长短期记忆网络输出结果作为各证据体预警等级和之间的切比雪夫距离；4数据采集及预处理模块，用于获取工程结构数据采集单元，用于获取工程结构潜在危险部位的多传数据预处理单元，用于对所述多传感器实时监测数据测指标i；式中，p是指标个数；为对应不同监测指标i和j的两列数据x,与x之间的相关系数；i,j=l,2,3,…,p，且；和分别为不同列数据x与x的平均k=1,2,3,..,n，n为归一化样本矩阵每列数据x,中包含的数据个数；5p为物理场监测指标i的个数；累计贡献度计算单元，用于根据所述p个非负特征根确定p个公因权重计算单元，用于根据所述因子载荷矩阵A计算各物理场监测指标i在所有主要公据切比雪夫距离改进的D-S证据理论融合规则获得融合后概率指派的决策方法确定所述工程结构潜在危险6[0004]数据融合是对多物理场信息按时序和准则自动分析和综合处理得出结论或决策[0005]本发明的目的是提供一种多物理场监测数据协同融合的工程灾害预警方法及系[0011]根据所述各物理场监测指标对于工程安全状态的敏感性指导长短期记忆网络的[0012]将所述长短期记忆网络输出结果作为证据输入，根据切比雪夫距离改进的D-S证7[0014]可选地，所述获取工程结构潜在危险部位的多传感器实时监测数据并进行预处射传感器以及电磁辐射传感器中的两种或两种以上传感器按照时间序列采集的实时监测的每列数据对应不同传感器采集的不同物理场监测指标i；所述物理场监测指标i包括[0022]根据所述相关系数矩阵R计算场监测指标i的个数；[0023]根据所述p个非负特征根确定p个公因子中前q[0024]根据累计贡献度不小于85%的原则，选择出反映工程结构安全状态的主要公[0026]根据所述因子载荷矩阵A计算各物理场监测指标i在所有主要公因子中所占的权；8记忆网络的初始化训练，并通过训练好的长短期记忆网络得到长短期记忆网络输出结果，[0029]将所述各物理场监测指标i对于工程安全状态的敏感性Ti作为长短期记忆网络的初始化权重，将所述各物理场监测指标对应的归一化样本矩阵作为样本集对所述长短据体m和mny之间的切比雪夫距离dse(m,m,)；[0033]根据所述切比雪夫距离dse(m,[0040]多物理场数据决策融合模块，用于将所述长短期记忆网络输出结果作为证据输入，根据切比雪夫距离改进的D-S证据理论融合规则获得融合后各预警等级的基本概率赋基本概率指派的决策方法确定所述工程结构潜在危险9x"；所述样本数据矩阵x"中的每列数据对应不同传感器采集的不同物理场监测[0047]归一化转换单元，用于对所述样本数据矩阵x"中的每列数据进行归一化转换，得到所述归一化样本矩阵X；所述归一化样本矩阵X中的每列数据X,也对应不理场监测指标i。[0050]非负特征根计算单元，用于根据所述相关系数矩阵R计算计算P个非负特征根p为物理场监测指标i的个数；[0051]累计贡献度计算单元，用于根据所述个非负特征根确定个公因子中前q个公因子的累计贡献度；[0054]权重计算单元，用于根据所述因子载荷矩阵A计算各物理场监测指标i在所有主[0055]最终权重计算单元，用于根据各物理场监测指标对应的累计贡献度和权重T;，计算各物理场监测指标i的最终权重t,；所述最终权重t,反映了各物理场监测指标i记忆网络输出结果作为证据输入，根据切比雪夫距离改进的D-S证据理论融合规则获得融[0060]图2为本发明一种多物理场监测数据协同融合的工程灾害预警架构的原理示意[0064]本发明的目的是提供一种多物理场监测数据协同融合的工程灾害预警方法及系发明一种多物理场监测数据协同融合的工程灾害预警架构包括传感器层、指标层和融合对岩体破坏多元监测数据进行敏感性解析，选取岩体破坏主要信息构建风险评价指标体[0071]因此，所述步骤1获取工程结构潜在危险部位的多传感器实时监测数据并进行预[0073]步骤1.2：对所述多传感[0077]步骤2.1：将所述多物理场监测时序数据按照不同物理场监测指标ie{；所述样本数据矩阵x"中的每列数据x对应不同传感器采集的p为物理场监测指标i的个数。[0078]步骤2.2：采用下式(1)对所述样本数据矩阵中的每列数据进行归一化转k为每列数据的序号数，即表示样本数据矩阵x"中第i列第k个时序i列第k个时序数据。第i列数据的值域为，即和分别为样本数据矩阵x"中第i列数据的最小值和最大值。所述归一化样本矩阵x中的[0082]该步骤3用于解析各物理场监测数据前兆信息的敏感性，实现多物理场数据级融[0083]所述步骤3根据所述归一化样本矩阵，采用多元统计方法解析各物理场监测指标rs为对应不同监测指标i和j的两列数据x与x之间的相关系数；i,j=l,2,3,…,p，且rF；和分别为不同列数据x与x的平[0088]由于归一化样本矩阵中的每列数据代表不同的监测指标，这里就得出了各指E为单位矩阵；R为相关系数矩阵；为各监测指标i的非负特征根；。[0094]根据的大小顺序求得对应的特征向量，则求得公[0099]通过特征根的量值表征因子累计贡献度，根据累计贡献度不小于85%的原则，选择出反映工程结构安全状态的主要公因子，并构建公因子矩阵[0105]其中r为r'的逆矩阵，E为误差项。[0109]式中，表示指标i在所有主要公因子中所占的权重，表示第i个指标因子[0111]将各指标权重Ti的大小作为反映工程安全状态的敏感性的标准，选择出反映工[0113]步骤4：根据所述各物理场监测指标对于工程安全状态的敏感性指导长短期记忆[0114]该步骤4依据步骤3中各指标的敏感性指导长短期记忆网络（LongShort-Term[0116]所述步骤4根据所述各物理场监测指标对于工程安全状态的敏感性指导长短期记[0117]步骤4.1：将所述各物理场记忆网络的初始化权重，将所述各物理场监测指标对应的归一化样本矩阵作为样本集对性指导LSTM初始输入源，输入源为各指标监测的时间序列数据，权重Ti即网络初始化权f[0129]LSTM网络输出层中神经元的数量是根据识别框架安全评价水D-S证据理论融合规则获得融合后各预警等级[0137]所述步骤5将所述长短期记忆网络输出结果作为证据输入，根据切比雪夫距离改[0138]步骤5.1：将所述长短期记忆网[0146]其中dsr,m,m,)和cheb_dis(m,m,)均表示两个不同证据体m和7的切比系数k；定义证据i和证据j之间新冲突系数k为：[0150]根据切比雪夫距离改进的D-S证据理论融合规则(14)，获得融合后识别框架中各j=A、B、c。[0152]所述各预警等级包括处于稳定期、处于发展期和处于警报期；m(A)、m(B)和Z,zre={A,B,CY，A表示处于稳[0169]多物理场数据决策融合模块，用于将所述长短期记忆网络输出结果作为证据输入，根据切比雪夫距离改进的D-S证据理论融合规则获得融合后各预警等级的基本概率赋基本概率指派的决策方法确定所述工程结构潜在危险x"；所述样本数据矩阵x"中的每列数据对应不同传感器采集的不同物理场监测[0176]归一化转换单元，用于对所述样本数据矩阵x"中的每列数据进行归一化转理场监测指标i。[0179]非负特征根计算单元，用于根据所述相关系数矩阵R计算计算P个非负特征根p为物理场监测指标i的个数；[0180]累计贡献度计算单元，用于根据所述个非负特征根确定个公因子中前q个公因子的累计贡献度；[0183]权重计算单元，用于根