一種堤防危險性智能探測與評價方法技術

本發(fā)明專利技術公開了一種堤防危險性智能探測與評價方法，該方法首先采用雙目視覺成像系統(tǒng)和多光譜成像系統(tǒng)對待探測與評價堤防進行監(jiān)測，獲取實測信息，將實測信息通過深度學習手段進行圖像優(yōu)化；同時針對待探測與評價堤防的填筑材料進行室內試驗，得到堤防填筑料的物理力學和變形特性室內實驗規(guī)律，結合填筑材料的本構關系得到其物理屬性規(guī)律，將室內實驗規(guī)律和物理屬性規(guī)律通過挖掘算法獲取先驗信息；通過先驗信息指導實測信息對待探測和評價堤防進行監(jiān)測數據反演，獲得堤防的真實物理力學和變形特性；最后構建致災因子，采用堤防真實物理力學和變形特性對堤防進行危險性評價。本發(fā)明專利技術方法具有識別速度快、探測范圍廣、評價精度高的優(yōu)點。優(yōu)點。優(yōu)點。

【技術實現步驟摘要】
一種堤防危險性智能探測與評價方法


[0001]本專利技術涉及水利工程監(jiān)測的
，具體涉及一種堤防危險性智能探測與評價方法。

技術介紹

[0002]堤防工程能夠江河湖泊周邊需要防護的農村、農田和城區(qū)進行防護，提高區(qū)域防洪標準。然而堤防在長期服役過程中不可避免出現散浸、管涌等險情，若處置不當，將會給保護區(qū)經濟發(fā)展帶來嚴重災害。當前堤防隱患監(jiān)測與檢測、應急決策和搶險處置仍以常規(guī)設備、既有經驗和傳統(tǒng)工藝為主，隱患監(jiān)測檢測的精確性、應急決策的準確性以及搶險處置的成效性難以保障。
[0003]隨著抗洪搶險處置的要求不斷提高。亟需在堤防隱患監(jiān)測與檢測、應急決策、搶險封堵新材料與新工藝等方面展開系統(tǒng)研究，提高堤防險情隱患排查、應急決策和搶險處置能力和水平，為提升防洪減災能力、保障人民生命財產安全和社會經濟可持續(xù)發(fā)展提供技術支撐。因此，需要提出一種對堤防危險性智能探測與評價的系統(tǒng)方法。

技術實現思路

[0004]本專利技術的目的在于克服上述
技術介紹
的不足，提供一種堤防危險性智能探測與評價方法，該方法能夠準確快速對堤防進行危險性識別與評價，對堤防當前的服役性態(tài)做出及時研判。
[0005]為實現上述目的，本專利技術所提供的一種堤防危險性智能探測與評價方法，包括如下步驟：首先采用雙目視覺成像系統(tǒng)和多光譜成像系統(tǒng)對待探測與評價堤防進行監(jiān)測，獲取實測信息，將實測信息通過深度學習手段進行圖像優(yōu)化；同時針對待探測與評價堤防的填筑材料進行室內試驗，得到堤防填筑料的物理力學和變形特性室內實驗規(guī)律，結合填筑材料的本構關系得到其物理屬性規(guī)律，將室內實驗規(guī)律和物理屬性規(guī)律通過挖掘算法獲取先驗信息；通過先驗信息指導實測信息對待探測和評價堤防進行監(jiān)測數據反演，獲得堤防的真實物理力學和變形特性；最后構建致災因子，采用堤防真實物理力學和變形特性對堤防進行危險性評價。
[0006]上述技術方案中，所述雙目視覺成像系統(tǒng)采用搭載在移動載具上的立體視覺系統(tǒng)；所述多光譜成像系統(tǒng)采用搭載在移動載具上的紅外高光譜成像系統(tǒng)。移動載具采用無人機或車、船。
[0007]上述技術方案中，所述的深度學習采用卷積神經網絡(AlexNet)、深度卷積神經網絡(VGGNet)、殘差神經網絡(ResNet)、池化神經網絡(LeNet)中的一種或幾種耦合。
[0008]上述技術方案中，所述室內實驗規(guī)律包括室內實驗對堤防填筑材料進行的滲漏、散浸和管涌模擬獲得物理力學和變形特性。
[0009]上述技術方案中，所述物理屬性規(guī)律包括堤防填筑材料的應力應變關系和沉降變形規(guī)律。
[0010]上述技術方案中，獲取填筑材料的物理屬性規(guī)律，結合待探測與評價堤防段填筑材料的分類和性狀，選取鄧肯
?
張(E
?
B)模型作為堤防填筑材料的本構關系。
[0011]上述技術方案中，所述的監(jiān)測數據反演包括構建目標函數、計算機仿真和最優(yōu)化三個步驟，其中構建目標函數形式如下：
[0012][0013]式中：β為影響堤防填筑材料的力學物理屬性參數，θ0為影響堤防填筑材料的變形特性物理屬性參數，n監(jiān)測測點的個數；m為測點所選取的監(jiān)測時間節(jié)點個數；T
ij*
為相應的力學或變形監(jiān)測的實測值，T
ij
為第i個測點的在第j個時間點的力學或變形的計算機仿真計算值；
[0014]將不同的β和θ0不斷的代入本構關系進行計算機仿真，獲得一系列T
ij
計算機仿真值；最優(yōu)化為尋找一組β和θ0使得f取得最小值，當f取得最小值時，該組β和θ0即為反演結果。
[0015]上述技術方案中，所述的構建致災因子包括危險性評價指標、暴露性評價指標和韌性評價指標。
[0016]上述技術方案中，構建致災因子進行危險性評價，在致災因子數據進行分析之前，首先將數據進行歸一化處理，采用min
?
max標準化處理：
[0017][0018]式中，x
*
為樣本標準化后的值，x為樣本數據，max為樣本數據的最大值，min為樣本數據的最小值；
[0019]再采用相關系數法建立模糊相似矩陣確定相似系數：
[0020][0021]式中，r
ij
值為樣本數據x
i
與x
j
的相似程度，稱之為相似系數；x
ij
為第i個樣本的第j項數據指標；所有不同類型的樣本各項數據構成論域X＝{x1,x2,
…
x
n
}，x
i
＝{x
i1
,x
i2
,
…
x
in
}(i＝1,2,
…
n)，即數據矩陣A＝(x
ij
)
n
×
m
；和分別為數據矩陣中i行和j列的均值；
[0022]對于不同的置信水平λ∈[0,1]，可以得到不同的分類結果，從而形成動態(tài)聚類圖，具體步驟如下：
[0023]1)取λ1＝1(最大值)，對于每個x
i
作相似類：[x
i
]R
＝{x
j
|r
ij
＝1}，即滿足r
ij
＝1的x
i
和x
j
視為一類，構成相似類；
[0024]2)取λ2(λ2<λ1)為次大值，從R中直接找出相似程度為λ2的元素對(x
i
,x
j
)，即滿足r
ij
＝λ2，并相應的將對應的λ1＝1的等價分類中x
i
和x
j
所在的類合并為一類，即可得到λ2水平上的等價分；
[0025]3)依次取λ1>λ2>λ3…
，按照第2)步的方法依次類推，直到合并到X成為一類位置，最后即可得到動態(tài)聚類圖；
[0026]取不同的r
ij
值將指標數據進行分類，形成動態(tài)聚類圖，根據動態(tài)聚類圖將監(jiān)測數
據結合先驗信息分為危險性評價指標、暴露性評價指標和韌性評價指標作為致災因子，按照相應權重進行疊加，生成河段危險性分布圖。
[0027]上述技術方案中，所述危險性評價將致災因子按照不同權重進行加權評價，采用不同風險等級進行分類。
[0028]與現有技術相比，本專利技術具有如下優(yōu)點：
[0029]其一，本專利技術的堤防危險性智能探測與評價方法采用雙目視覺成像系統(tǒng)和多光譜成像系統(tǒng)，結合填筑材料室內實驗得到的物理屬性規(guī)律，具有識別速度快、探測范圍廣、評價精度高的優(yōu)點。
[0030]其二，本專利技術所提供的方法構建了致災因子，可以根據大范圍內不同堤防段的服役性態(tài)進行風險分類研判。
[0031]其三，本專利技術所提供的方法將室內實驗規(guī)律和物理屬性規(guī)律通過挖掘算法獲取先驗信息；通過先驗信息指導實測信息對待探測和評價堤防進行監(jiān)測數據反演，可以本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種堤防危險性智能探測與評價方法，其特征在于，包括如下步驟：首先采用雙目視覺成像系統(tǒng)和多光譜成像系統(tǒng)對待探測與評價堤防進行監(jiān)測，獲取實測信息，將實測信息通過深度學習手段進行圖像優(yōu)化；同時針對待探測與評價堤防的填筑材料進行室內試驗，得到堤防填筑料的物理力學和變形特性室內實驗規(guī)律，結合填筑材料的本構關系得到其物理屬性規(guī)律，將室內實驗規(guī)律和物理屬性規(guī)律通過挖掘算法獲取先驗信息；通過先驗信息指導實測信息對待探測和評價堤防進行監(jiān)測數據反演，獲得堤防的真實物理力學和變形特性；最后構建致災因子，采用堤防真實物理力學和變形特性對堤防進行危險性評價。2.根據權利要求1所述的堤防危險性智能探測與評價方法，其特征在于，所述雙目視覺成像系統(tǒng)采用搭載在移動載具上的立體視覺系統(tǒng)；所述多光譜成像系統(tǒng)采用搭載在移動載具上的紅外高光譜成像系統(tǒng)。3.根據權利要求1所述的堤防危險性智能探測與評價方法，其特征在于，所述的深度學習采用卷積神經網絡(AlexNet)、深度卷積神經網絡(VGGNet)、殘差神經網絡(ResNet)、池化神經網絡(LeNet)中的一種或幾種耦合。4.根據權利要求1或2或3所述的堤防危險性智能探測與評價方法，其特征在于，所述室內實驗規(guī)律包括室內實驗對堤防填筑材料進行的滲漏、散浸和管涌模擬獲得物理力學和變形特性。5.根據權利要求1或2或3所述的堤防危險性智能探測與評價方法，其特征在于，所述物理屬性規(guī)律包括堤防填筑材料的應力應變關系和沉降變形規(guī)律。6.根據權利要求1或2或3所述的堤防危險性智能探測與評價方法，其特征在于，獲取填筑材料的物理屬性規(guī)律，結合待探測與評價堤防段填筑材料的分類和性狀，選取鄧肯
?
張(E
?
B)模型作為堤防填筑材料的本構關系。7.根據權利要求1或2或3所述的堤防危險性智能探測與評價方法，其特征在于，所述的監(jiān)測數據反演包括構建目標函數、計算機仿真和最優(yōu)化三個步驟，其中構建目標函數形式如下：式中：β為影響堤防填筑材料的力學物理屬性參數，θ0為影響堤防填筑材料的變形特性物理屬性參數，n監(jiān)測測點的個數；m為測點所選取的監(jiān)測時間節(jié)點個數；為相應的力學或變形監(jiān)測的實測值，T
ij
為第i個測點的在第j個時間點的力學或變形的計算機仿真計算值；將不同的β和θ0不斷的代入本構關系進行計算機仿真，獲得一系列T
ij
計算機仿真值；最優(yōu)化為尋找一組β和θ0使得f取得最小值，當f取得最小值時，該組β和θ0即為反演結果。8.根據權利要求1所述的堤防危險性智能探測與評價方法，其特征在于，所述的構建致災因子包括危險性評價指標、暴露性評價指標和韌性評價指標。9.根據權利要求8所述的堤防危險性智能探測與評價方法，其特征在于，構建致災因子...

【專利技術屬性】
技術研發(fā)人員：姬翔，馬祺瑞，彭興，岳志遠，高力，劉佳明，萬彪，程龍，沙松，
申請(專利權)人：長江勘測規(guī)劃設計研究有限責任公司，
類型：發(fā)明
國別省市：