[发明专利]一种基于时间卷积网络的结构变形预测方法

说明书

本发明公开了一种基于时间卷积网络的结构变形预测方法，包括以下步骤：1)测量结构的实际变形监测数据，进行插值和归一化等预处理；2)对步骤1)处理后的结构的变形监测数据进行特征提取，通过时间卷积网络来充分挖掘时间序列的内部特征；3)对步骤2)提取的时间特征连接到全连接层得到预测输出；4)通过对模型超参数的分析和交叉验证，得到最佳组合参数，并将最优参数的预测结果作为最终预测结果。该方法能够有效利用监测数据的历史信息，获得长时记忆，来充分挖掘数据的时间特征，通过一维扩张卷积操作可以减少训练的参数，结果表明该方法有较高的预测精度，能够为分析结构变形趋势提供科学依据。

技术领域

本发明属于结构变形监测领域，涉及一种基于时间卷积网络的结构变形预测方法。

背景技术

随着社会的高速发展，地铁、桥梁、隧道等大型建筑物的需求也越来越大，它们的施工与运营的安全尤为重要。目前主要通过现代化、自动化的技术对结构关键部位进行变形监测，通过分析监测数据规律来建立合理监测预测模型,能够及时、准确地掌握结构的变形发展趋势，是评价结构性能、监控结构安全的重要方式与手段。由于变形监测数据通常具有非稳定性和非线性等特性，现有结构变形预测模型都缺少对时间序列内部特征的挖掘，且不能够有效利用历史数据对将来变形趋势做出有效判断，除此之外，基于深度学习的方法也都存在训练时间过长，参数多的缺点。这些问题都会导致预测的误差较大，模型的适用性差，给结构状态的评判带来严重影响。因此，建立一个精确有效结构变形预测模型，通过对预测结果的分析提前采取措施来防止灾害的发生，科学预测为降低生命财产损失、保障结构安全性具有重要的意义。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于时间卷积网络的结构变形预测方法，该方法能够有效利用监测数据的历史数据，充分挖掘数据的内部特征，通过利用因果扩张卷积能够有效的防止信息的泄露，同时扩大观测数据的感受野，实现结构变形的准确预测，为结构状态的评判做出科学依据。

为达到上述目的，本发明所述的基于时间卷积网络的结构变形预测方法包括以下步骤：

1)测量结构的实际变形监测数据，并对其进行预处理；

2)对步骤1)预处理后的结构的变形监测数据通过时间卷积网络进行时间特征提取；

3)对步骤2)得到的结构的变形监测数据的时间特征通过全连接层，得结构变形预测结果；

4)对步骤3)得到的结构变形预测结果进行模型超参数分析及实验交叉验证，以确定最优的模型参数，再将最优的模型参数对应的预测结果作为结构变形最终预测的结果。

步骤1)中，当结构的实际变形监测数据存在数据丢失、错误数据或数据样本数量小于预设数量时，则对结构的实际变形监测数据进行插值及归一化处理。

步骤2)中，时间卷积网络中每个残差模块的输入S^(i,1)都来自前一个残差模块的输出S^(i-1,L)，每一个残差模块的扩张因子d均呈指数增长，d＝2ⁱ，i为卷积层数，则各层残余连接的结果S_t^(i,j)为：

其中，S^(i,j)表示时间卷积网络在第i残差模块和第j卷积层中的输出，表示每一卷积层扩张卷积的输出结果，ReLu表示激活函数。

通过时间卷积网络提取特征，利用因果扩张卷积防止未来信息泄露的同时增大感受野，继而利用监测数据的历史信息来提取数据的时间特征。

当残差输入和残差输出有不同的维度时，则添加一个1x1的卷积来保证残差输入和残差输出维度相同。

步骤3)中，时间卷积网络提取的时间特征S_t^(n,L)通过全连接层，得结构变形预测结果为：