[发明专利]建设工程智能监测方法、系统、装置和存储介质

说明书

本发明公开了一种建设工程智能监测方法、系统、装置和存储介质，可应用于监测技术领域。本发明方法通过建设工程的理论模型和多尺度有限元分析模型构建包含第一次幂指数关系的数据参数集矩阵，同时根据选取的监测参数确定监测点，并将所有监测点组成包括第二次幂指数关系的监测点参数矩阵，接着通过第一次幂指数关系和第二次幂指数关系，结合历史监测数据训练初始模型后得到全局监测预测模型，然后通过全局监测预测模型预测与实时监测数据的采集时间点对应的预测数据，根据实时监测数据与预测数据控制报警状态，从而可以实现动态响应的监测过程，并且无需对数据剔除，即能快速完成数据监测报警的响应动作，有效提高分析的准确度。

技术领域

本发明涉及监测技术领域，尤其是一种建设工程智能监测方法、系统、装置和存储介质。

背景技术

相关技术中，基于人工智能的数据分析方法对各类工程监测数据进行分析时，采用数据的静态特性进行分析，从而无法达到动态分析效果；并且，当前的数据异常处理方法通过数学统计法、模型法或者人工智能算法在已有监测数据中直接剔除异常数据，这种剔除方式，可能将真实的危险数据剔除，从而使得分析过程忽略了险情引起的数据变化。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出种建设工程智能监测方法、系统、装置和存储介质，能够有效地进行动态分析，并提高分析准确度。

第一方面，本发明实施例提供了一种建设工程智能监测方法，包括以下步骤：

构建所述建设工程的理论模型和多尺度有限元分析模型；

根据所述理论模型和所述多尺度有限元分析模型构建数据参数集矩阵，所述数据参数集矩阵内的各个参数之间存在第一次幂指数关系；

根据选取的监测参数确定监测点，并将所有监测点组成监测点参数矩阵，所述监测点参数矩阵内的监测点存在第二次幂指数关系；

通过所述第一次幂指数关系和所述第二次幂指数关系，结合历史监测数据训练初始模型，得到全局监测预测模型，所述初始模型包括卷积神经网络模型和长短时记忆网络模型；

获取所述监测点的实时监测数据；

通过所述全局监测预测模型预测与所述实时监测数据的采集时间点对应的预测数据；

根据所述实时监测数据与所述预测数据控制报警状态。

在一些实施例中，所述根据所述理论模型和所述多尺度有限元分析模型构建数据参数集矩阵，包括：

通过理论模型和所述多尺度有限元分析模型对不同阶段的结构受理状态进行分类，得到不同状态下的参数分析结果数据；

获取所述参数分析结果数据的次幂指数；

根据所述参数分析结果数据和所述次幂指数构建数据参数集矩阵。

在一些实施例中，所述根据所述理论模型和所述多尺度有限元分析模型构建数据参数集矩阵，还包括：

分析所述数据参数集矩阵内各个所述分析结果数据的关联程度，得到各个参数之间存在第一次幂指数关系。

在一些实施例中，所述通过所述第一次幂指数关系和所述第二次幂指数关系，结合历史监测数据训练初始模型，得到全局监测预测模型，包括：

获取多个监测点的历史监测数据；

对所述历史监测数据进行归一化处理后表征为向量形式，得到输入向量序列；

将所述输入向量序列、所述第一次幂指数关系和所述第二次幂指数关系输入所述初始模型，建立多监测参数和多监测点之间的内在关系；

根据所述内在关系确定全局监测预测模型。