[发明专利]基于深度学习的桥梁技术状况及病害预测反推演算方法

说明书

本发明公开了基于深度学习的桥梁技术状况及病害预测反推演算方法，包括记录桥梁服役期间的桥梁技术状况评分以及病害情况；确定神经网络结构，设置神经网络以及CPSO算法参数，通过CPSO算法对BP神经网络的权值以及阈值进行优化；结合记录的桥梁技术状况评分，设置预测模型的训练集与检测集，并且对CPSO‑BP神经网络模型进行训练；通过训练好的神经网络对桥梁往后几年的技术状况评分进行预测；结合MC模型对CPSO‑BP网络预测模型的波动性较大的预测结果进行修正；本发明能够在保证准确率的前提下提高桥梁检测效率，通过对桥梁技术状况评分进行预测，精确预测桥梁病害位置、种类以及程度，能够准确的给出桥梁针对性的养护维修方案。

技术领域

本发明涉及桥梁养护维修技术领域，特别是涉及基于深度学习的桥梁技术状况及病害预测反推演算方法。

背景技术

桥梁是交通运输的枢纽，是基础设施建设中不可或缺的生命线，能够极大地加快区域的经济发展。截至2018年末，全国公路总里程484.65万公里，公路桥梁85.15万座，5568.59万米。虽然我国在桥梁建设方面取得了重大的突破以及成就，但是我国现役桥梁之中有40%的桥梁服役时间超过了20年，包括30%的带病桥梁就达上万座，有超过十万座被评为危桥。近年来，在全国许多地方都发生了新建桥梁或是老化桥梁的倒塌事故，大型桥梁“非正常坍塌”现象日益增加，为了应对上述情况给人们的财产以及人身安全带来的威胁，需要对桥梁健康状态进行预测，提出合理的预防性养护方案。然而传统人工检测费时费力，并且对检测人员的安全会造成威胁。

所以本发明提供一种新的方案来解决此问题。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供基于深度学习的桥梁技术状况及病害预测反推演算方法。

其解决的技术方案是：基于深度学习的桥梁技术状况及病害预测反推演算方法，包括以下步骤：

1）记录桥梁服役期间的桥梁技术状况评分以及病害情况；

2）确定神经网络结构，设置神经网络以及CPSO算法参数，通过CPSO算法对BP神经网络的权值以及阈值进行优化；

3）结合记录的桥梁技术状况评分，设置预测模型的训练集与检测集，并且对CPSO-BP神经网络模型进行训练；

4）通过训练好的神经网络对桥梁往后几年的技术状况评分进行预测；

5）结合MC模型对CPSO-BP网络预测模型的波动性较大的预测结果进行修正；

6）按照下式（1）计算桥梁各个构件在全桥技术状况评分中的权重，去除一些权重特别小可以忽略不计的构件；

W_i=W_j×W_k （1）

式中：为构件在全桥中的权重，为构件在结构中的权重；为结构在全桥中的权重；

7）按照下式（2）计算各构件在全桥技术状况评分中的扣分值；

Q_iⁿ=（100- H_iⁿ）×W_i （1）

式中：Q_iⁿ为构件i在第n年在全桥技术状况总评分中的扣分值；H_iⁿ为构件i在第n年的技术状况评分；W_i为构件i在全桥中的权重；

8）结合前一年各结构的技术状况评分以及桥梁各结构技术状况评分扣分值不会下降的特性，计算出预测年桥梁各结构的技术状况评分扣分值的范围，并取其中值认定为预测年中该结构的技术状况评分扣分值，最终通过检验对各结构的技术状况评分扣分预测值进行修正；

9）按照步骤（8）中同样的方法计算出各构件预测年的技术状况评分的扣分值；