【技術實現步驟摘要】
本專利技術涉及古建筑結構病害分析，尤其涉及一種基于多元數據的古建筑結構病害建模分析方法及系統。
技術介紹
1、隨著科技的進步，對于古建筑保護和修復的需求日益增長，如何有效利用現代技術手段對古建筑進行精確評估成為研究熱點，傳統上，古建筑結構病害分析主要依賴于專家的經驗判斷以及有限的歷史文獻資料，然而，這種方法存在主觀性強、信息不全面等缺點，因此現有技術旨在通過多種數據源，并以采集每個數據源中的多元數據，再結合預測模型的方式對古建筑結構病害進行分析，以下為現有方法的實現步驟：
2、首先通過歷史檔案與文獻、物理檢測、環境監測等多種數據來源方式進行采集多元數據，其中在歷史檔案與文獻中不僅能夠采集古建筑結構的幾何信息，還能夠包括材料屬性如強度、耐久性、力學性能如應力、應變等數據，在物理檢測中采用無損檢測技術如超聲波探傷、紅外熱成像等進行探測古建筑材料的內部缺陷，并記錄多個維度的數據如裂縫寬度、深度、擴展速度，表面粗糙度等，在環境監測中通過部署傳感器網絡以實時監控并采集周圍多種環境數據如溫度、濕度、風速、降雨量等，在基于所采集的多元數據，隨后執行數據預處理，包括對采集的多元數據進行清洗、歸一化和標準化處理，以確保數據的一致性和可比性，以及包括去除異常值、填補缺失數據，并將不同類型的數據轉換為適合機器學習算法的形式，緊接著，在基于經過預處理后的每個數據源中的多元數據進行特征提取工作，主要為了提取出反映古建筑健康狀態的關鍵特征，如在歷史檔案與文獻中，提取設計參數、施工記錄、歷次修繕文檔等多維信息，在物理檢測中，提取裂縫位置、寬度、深
3、雖然基于現有技術的實現，能夠有效解決現有古建筑結構病害分析的問題，但仍然存在以下缺陷：現有技術中在對于特征集的篩選上缺乏具體科學的篩選指標，即往往忽略了每個特征集之間的相關性，具體地，對于所提取的每個特征集在缺乏相應的相關性分析，即缺乏科學的篩選指標的前提下，極易導致較低的相關性甚至無關性的特征集被納入模型訓練的數據集中，這在極大程度上增加了數據集的冗余信息，這顯然易導致所整合的用于模型訓練的數據集的準確性及精度較差，從而在易對模型的性能造成影響的前提下，易導致最終由模型所輸出的預測結果的精確性下降，同時易影響最終在基于該預測結果所制定的策略的準確性。
4、因此，現有技術急需一種基于多元數據的古建筑結構病害建模分析方法及系統的技術方案。
技術實現思路
1、為了解決上述技術問題，本專利技術提供了一種基于多元數據的古建筑結構病害建模分析方法，具體包括以下步驟：
2、步驟s1、通過至少兩個數據源采集每個數據源中的多元數據，并進行預處理；
3、步驟s2、由經過預處理后的每個數據源的多元數據中提取至少兩個特征，并整合形成每個數據源的特征集；
4、步驟s3、分析每個特征集之間的相關性，并依據分析結果得到保留的特征集合；
5、步驟s3a、計算每一對特征集的相關系數；
6、步驟s3a1、獲取每個特征集中每個特征的觀測值，并基于每個特征集中每個特征的觀測值構建矩陣；
7、其中，矩陣的表達式為：
8、
9、式中，x代表矩陣；代表第n個特征集中第m個特征的觀測值；n代表特征集的數量；
10、步驟s3a2、依據矩陣，計算得到每個特征集的均值，并依據均值計算得到每個特征集的標準差；
11、其中，每個特征集的均值及標準差的計算公式組為：
12、
13、
14、式中，代表第n個特征集的均值；代表第n個特征集的標準差；m代表特征的觀測值的數量；代表第n個特征集中第m個特征的觀測值；
15、步驟s3a3、依據每個特征集的均值，計算得到每一對特征集的協方差；
16、其中，每一對特征集的協方差的計算公式為：
17、
18、式中，代表第n個特征集與第k個特征集的協方差；m代表特征的觀測值的數量；代表第n個特征集中第m個特征的觀測值；代表第n個特征集的均值；代表第k個特征集中第m個特征的觀測值；代表第k個特征集的均值；
19、步驟s3a4、依據每個特征集的標準差、每一對特征集的協方差，計算得到每一對特征集的相關系數；
20、其中，每一對特征集的相關系數的計算公式為：
21、
22、式中，代表第n個特征集與第k個特征集之間的相關系數；代表第n個特征集與第k個特征集的協方差；及分別代表第n個特征集的標準差及第k個特征集的標準差；
23、步驟s3b、基于每一對特征集的相關系數構建相關系數矩陣；
24、其中，相關系數矩陣的表達式為：
25、
26、式中，r代表相關系數矩陣；代表第n個特征集與第k個特征集之間的相關系數；
27、步驟s3c、依據相關系數矩陣，計算得到出現次數閾值；
28、步驟s3c1、為相關系數矩陣中的所有相關系數設定高相關性閾值；
29、步驟s3c2、若當前相關系數的絕對值大于等于高相關性閾值，則確定為高相關系數；
30、步驟s3c3、統計每個特征集與其它特征集之間的高相關系數及所有相關系數的出現次數；
31、步驟s3c4、依據每個特征集與其它特征集之間的高相關系數及所有相關系數的出現次數，計算得到每個特征集與其它特征集之間的高相關系數的出現次數占比；
32、步驟s3c5、對每個特征集與其它特征集之間的高相關系數的出現次數占比進行求和，并且計算均值，得到出現次數閾值；
33、步驟s3d、利用出現次數閾值對每個特征集進行判定，得到保留的特征集合；
34、若當前特征集與其它特征集之間的高相關系數的出現次數占比大于等于出現次數閾值，則保留當前特征集，并將保留的所有特征集整合為特征集合，得到保留的特征集合；若當前特征集與其它特征集之間的高相關系數的出現次數占比小于出現次數閾值，本文檔來自技高網...
【技術保護點】
1.一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述分析每個特征集之間的相關性，并依據分析結果得到保留的特征集，包括：
3.根據權利要求2所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述計算每一對特征集的相關系數，包括：
4.根據權利要求3所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述相關系數矩陣的表達式為：
5.根據權利要求4所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述依據相關系數矩陣，計算得到出現次數閾值，包括：
6.根據權利要求5所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述利用出現次數閾值對每個特征集進行判定，得到保留的特征集合，包括：
7.一種基于多元數據的古建筑結構病害建模分析系統，應用于權利要求1-6中任一項所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述系統包括：
【技術特征摘要】
1.一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述分析每個特征集之間的相關性，并依據分析結果得到保留的特征集，包括：
3.根據權利要求2所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述計算每一對特征集的相關系數，包括：
4.根據權利要求3所述的一種基于多元數據的古建筑結構病害建模分析方法，其特征在于，所述相關系數矩陣的...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。