[发明专利]一种基于卷积神经网络的大坝变形预测系统和方法

说明书

本发明公开了一种基于卷积神经网络的大坝变形预测系统和方法。本发明用于大坝变形预测的卷积神经网络充分使用网络并行计算的能力，把二维数据并行地输入到多条路径中，且每条路径中有若干卷积层和池化层交替级联，为获取到更多的特征，可以设置不同的卷积核大小；增加仅级联一个卷积层和一个池化层的简单路径，用于提取与其它路径不同的特征，同时本发明考虑到这些路径提取到的特征不一定互补，所以在合并这些路径的输出结果时，所述系统中使用加法运算。本发明提高了大坝变形预测的自动化水平，同时提高了变形预测的效率和速度。

技术领域

本发明属于大坝变形预测领域，具体涉及一种基于卷积神经网络的大坝变形预测系统和方法。

背景技术

为充分利用水资源，缓解水资源在空间和时间上的不平衡，我国已修建各类大坝超过8.5万座。这些大坝在灌溉、防洪、发电等领域中产生了巨大的经济效益，尤其是随着西部大开发、南水北调、西电东送等工程的逐步深入，大坝发挥极其重要的作用。但随着时间的推移，大坝内外因素(环境、基本结构)逐渐发生变化，部分坝体可能存在不同程度的变形，这将给下游带来巨大的人员伤亡和经济损失。

因此对大坝变形进行及时高效的预测是防止威胁发生的关键。对大坝变形预测的实现，不仅可以保证大坝的正常平稳运行，还能提高大坝变形预测效率，改进坝体构建方法。为提高大坝变形预测效率，近年来，越来越多的公司和科研机构致力于改进传统预测方法。

中国专利号：CN201711487838，公开了一种基于大数据平台的大坝变形预测方法。根据具体大坝变形预测需求，从影响大坝变形的特征集合中选取一组最有效的特征子集，建立基于K最近邻算法 (K-NearestNeighbor，KNN)的并行化预测模型并对大坝变形进行预测。

中国专利号：CN200910184935，公开了一种精确预测大坝变形的神经网络方法。采用回归模型和神经网络的融合技术的方法，利用大坝变形观测历史数据，采用回归分析模型和神经网络技术的融合，预测大坝的变形。

然而，上述几项技术所公开的大坝变形预测技术虽然对提高预测效率具有一定的帮助，但是仍然存在以下问题：现实中导致大坝变形的影响因素众多，在不同气候、地形等条件下主要影响因素也有所不同，如何尽可能采用较少的数据来准确获得特征数据；以及如何构建一个高度自动化的大坝变形预测系统，从而实现对大量数据的高效处理将成为首要任务。

发明内容

本发明的目的是为了解决如何对大坝各项数据合理运用，在尽可能减少人为因素干扰的前提下，提供一种基于人工智能的大坝变形预测系统。

为实现上述技术目的，本发明采用以下技术方案：

一方面，本发明提供一种基于卷积神经网络的大坝变形预测系统。

用于采集大坝数据的坝体基准点数据收集系统和大坝变形预测系统；

所述坝体基准点数据收集系统包括基准测试点分布模块、信号接收器和云服务平台；所述基准测试点分布模块通过信号接收器和云服务器平台通信；所述云服务器平台用于对基准测试点分布模块采集到的数据进行存储和预处理；

所述大坝变形预测系统包括执行计算机可用程序代码的计算机或其他可编程设备，所述计算机可用程序代码包括实现大坝变形预测的卷积神经网络；所述卷积神经网络包括用于选择构建卷积神经网络输入数据集的数据集构建模块、用于提取特征的特征提取模块和用于大坝预测变形的预测模块；

所述特征提取模块包括第一特征提取路径和第二特征提取路径，所述第一特征提取路径包括至少一个特征提取模块，所述特征提取模块为卷积层和池化层间隔交替结构，所述第二特征提取路径仅级联一个卷积层和一个池化层；所述第一特征提取路径相互叠加运算后与第二特征提取路径求和运算后连接预测模块；

所述预测模块包括依次连接的展开层、全连接层和输出层。