【技术实现步骤摘要】
本专利技术涉及堤坝管涌探测领域，具体涉及一种堤坝管涌红外表观特征获取方法及装置、计算设备。
技术介绍
1、土体的管涌及内部的侵蚀(接触冲刷、流土等)是导致堤坝破坏的主要原因。传统的对于管涌是否能够发生的评测是基于整个坝区，如滤层的性质(如果有)、堤坝建设的质量、堤坝基础的状况、堤坝运行时的表现。然而这在一定程度上需要工程师一定的判断力，在某些情况下是十分困难的。结果在大多数的情况下，科研人员仅仅根据一些比较容易确定的现象来预测管涌的发生，如：洪水、边坡破坏、地震。但是这些方法是以定性的描述和分析为主，应用的前提是必须有一定的工程实践经验，因而不可避免地存在着个人随意性和不确定性。
2、由于堤坝管涌地评价涉及到多种变量，且各变量之间存在着高度的非线性关系，从而导致难以建立反映它们之间关系的确定性方程，或即使建立了方程也难以求解。同时，堤坝作为一个复杂的系统，其本身的各种参量是不确定的和随机的，在堤坝运行过程中，不断地与外界进行物质、能量、信息交换，表现出复杂的非线性行为。
3、本申请借助人工神经网络强大的非线性映射能力，并根据堤坝管涌的影响因素，提出一种高精度的堤坝管涌预测模型。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述堤坝管涌预测准确率较低问题的堤坝管涌红外表观特征获取方法及装置、计算设备。
2、根据本专利技术的一个方面，提供了一种堤坝管涌红外表观特征获取方法，包括：
3、利用红外热线仪对堤坝进行扫描获取堤
4、根据所述堤坝点云数据提取所述堤坝的管涌和滑坡部位数据；
5、将所述堤坝的管涌和滑坡部位数据输入预先训练的管涌表观特征识别模型，得到所述堤坝的管涌稳定或破坏的预测结果；其中，所述管涌表观特征识别模型根据已有的工程实例样本训练得到，所述工程实例样本的特征包括坝高、坝前水深、下游边坡、土体有效粘聚力、土体有效内摩擦角、渗透系数、土层中的最大有效粒径以及下游滤层倾角。
6、在一种可选的方式中，利用红外热线仪对堤坝进行扫描获取堤坝点云数据：
7、根据所述堤坝点云数据提取所述堤坝的管涌和滑坡部位数据；
8、将所述堤坝的管涌和滑坡部位数据输入预先训练的管涌表观特征识别模型，得到所述堤坝的管涌稳定或破坏的预测结果；其中，所述管涌表观特征识别模型根据已有的工程实例样本训练得到，所述工程实例样本的特征包括坝高、坝前水深、下游边坡、土体有效粘聚力、土体有效内摩擦角、渗透系数、土层中的最大有效粒径以及下游滤层倾角。
9、在一种可选的方式中，所述根据所述堤坝点云数据提取所述堤坝的管涌和滑坡部位数据进一步包括：
10、获取所述堤坝点云数据中的任一点邻域集内任意两点间的欧氏距离函数，将整组所述堤坝点云数据的最小包围盒进行空间分块，然后将所述堤坝点云数据放入到唯一的栅格中，待所有的所述堤坝点云数据全部放入栅格后得到全部的栅格数目；
11、根据预先获取的管涌和滑坡特征设定角度序列差，获取所述堤坝点云数据中任意一点的最大角度序列差，依据所述最大角度序列差和角度序列差筛选所述堤坝的管涌和滑坡部位数据。
12、在一种可选的方式中，所述管涌表观特征识别模型包括输入层、隐藏层和输出层；
13、其中，所述输入层的样本为：x＝(x1，x2，...xn)；
14、所述隐藏层节点j的输出为：
15、其中，为径向基函数，且该径向基函数为高斯函数，||.||为为欧式距离，cj为径向基函数的中心，σj为径向基函数的宽度，m为神经网络中隐藏层的神经元节点数目；
16、所述输出层的输出为：其中，θj(x)为)隐藏层第j个径向基函数的输出值，wj为隐藏层第j个节点到输出层的连接权值。
17、在一种可选的方式中，在训练所述管涌表观特征识别模型之前，对所述工程实例样本进行标准化处理，所述标准化处理的具体公式为：
18、
19、其中，z为标准化后的变量数据，xij，zij分别为标准化前后第j个变量的第i个变量，和δj分别为标准化前第j个变量的均值和标准差。
20、在一种可选的方式中，所述标准化后的变量数据z的相关系数矩阵根据所述相关系数矩阵r选取各个特征变量的贡献率。
21、在一种可选的方式中，所述管涌表观特征识别模型的优化函数采用rmsprop算法，根据学习率和修正矩阵偏差更新所述rmsprop算法的参数变化量，所述参数变化量更新的具体公式为：
22、
23、其中，δθ为参数变量，ε为学习率，δ为超参数，为一阶修正偏差，为二阶修正偏差。
24、在一种可选的方式中，所述一阶修正偏差的具体公式为：
25、
26、其中，ρ1为一阶系数，s为一阶矩估计，t为时间步长；
27、所述二阶修正偏差的具体公式为：
28、
29、其中，ρ2为二阶系数，r为二阶矩估计。
30、在一种可选的方式中，对所述管涌表观特征识别模型的优化函数进行范数优化，所述范数的具体公式为：
31、
32、其中，x1...xm为向量参数。
33、根据本专利技术的另一方面，提供了一种堤坝管涌红外表观特征获取装置，包括：
34、数据获取模块，用于利用红外热线仪对堤坝进行扫描获取堤坝点云数据；
35、特征提取模块，用于根据所述堤坝点云数据提取所述堤坝的管涌和滑坡部位数据；
36、预测模块，用于将所述堤坝的管涌和滑坡部位数据输入预先训练的管涌表观特征识别模型，得到所述堤坝的管涌稳定或破坏的预测结果；其中，所述管涌表观特征识别模型根据已有的工程实例样本训练得到，所述工程实例样本的特征包括坝高、坝前水深、下游边坡、土体有效粘聚力、土体有效内摩擦角、渗透系数、土层中的最大有效粒径以及下游滤层倾角。
37、根据本专利技术的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
38、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述堤坝管涌红外表观特征获取方法对应的操作。
39、根据本专利技术提供的方案，利用红外热线仪对堤坝进行扫描获取堤坝点云数据；根据所述堤坝点云数据提取所述堤坝的管涌和滑坡部位数据；将所述堤坝的管涌和滑坡部位数据输入预先训练的管涌表观特征识别模型，得到所述堤坝的管涌稳定或破坏的预测结果；其中，所述管涌表观特征识别模型根据已有的工程实例样本训练得到，所述工程实例样本的特征包括坝高、坝前水深、下游边坡、土体有效粘聚力、土体有效内摩擦角、渗透系数、土层中的最大有效粒径以及下游滤层倾角。本专利技术提高了管涌和滑坡检测的自动化程度和检测精度，可以在堤坝管涌贯通之前发现，从而有时间提取采取防治措施，减小损失。
40、上本文档来自技高网...
【技术保护点】
1.一种堤坝管涌红外表观特征获取方法，其特征在于，包括：
2.根据权利要求1所述的堤坝管涌红外表观特征获取方法，其特征在于，所述根据所述堤坝点云数据提取所述堤坝的管涌和滑坡部位数据进一步包括：
3.根据权利要求1或2所述的堤坝管涌红外表观特征获取方法，其特征在于，所述管涌表观特征识别模型包括输入层、隐藏层和输出层；
4.根据权利要求3所述的堤坝管涌红外表观特征获取方法，其特征在于，在训练所述管涌表观特征识别模型之前，对所述工程实例样本进行标准化处理，所述标准化处理的具体公式为：
5.根据权利要求4所述的堤坝管涌红外表观特征获取方法，其特征在于，所述标准化后的变量数据Z的相关系数矩阵根据所述相关系数矩阵R选取各个特征变量的贡献率。
6.根据权利要求1所述的堤坝管涌红外表观特征获取方法，其特征在于，所述管涌表观特征识别模型的优化函数采用RMSProp算法，根据学习率和修正矩阵偏差更新所述RMSProp算法的参数变化量，所述参数变化量更新的具体公式为：
7.根据权利要求6所述的堤坝管涌红外表观特征获取方法，其特征在
8.根据权利要求1所述的堤坝管涌红外表观特征获取方法，其特征在于，对所述管涌表观特征识别模型的优化函数进行范数优化，所述范数的具体公式为：
9.一种堤坝管涌红外表观特征获取装置，其特征在于，包括：
10.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
...【技术特征摘要】
1.一种堤坝管涌红外表观特征获取方法，其特征在于，包括：
2.根据权利要求1所述的堤坝管涌红外表观特征获取方法，其特征在于，所述根据所述堤坝点云数据提取所述堤坝的管涌和滑坡部位数据进一步包括：
3.根据权利要求1或2所述的堤坝管涌红外表观特征获取方法，其特征在于，所述管涌表观特征识别模型包括输入层、隐藏层和输出层；
4.根据权利要求3所述的堤坝管涌红外表观特征获取方法，其特征在于，在训练所述管涌表观特征识别模型之前，对所述工程实例样本进行标准化处理，所述标准化处理的具体公式为：
5.根据权利要求4所述的堤坝管涌红外表观特征获取方法，其特征在于，所述标准化后的变量数据z的相关系数矩阵根据所述相关系数矩阵r选取各个特征变量的贡献率。
...
【专利技术属性】
技术研发人员：梁经纬，杨媛丽，姚纪华，王祥，姜楚，陈迪，朱渊，
申请(专利权)人：湖南省水利水电科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。