【技术实现步骤摘要】
本专利技术属于震后社区建筑群恢复调度，尤其涉及一种震后社区建筑群恢复调度及韧性评价多目标优化方法。
技术介绍
1、震后修复是地震发生后对受损基础设施、建筑和服务进行恢复的过程。震后修复可以分为两类：完美修复和非完美修复，完美修复指的是将受损的结构或设施恢复到地震发生前的原始状态，即修复后的性能和安全性与新建状态相同。非完美修复指的是将受损结构或设施仅修复到部分功能恢复的状态，而非完全恢复，仅需保证建筑结构的基本稳定。
2、然而地震后，大量的建筑被破坏，如何评价和量化社区建筑群的韧性，并在有限的社区资源下合理安排大量建筑的恢复过程是一大挑战，同时也需要需要决定哪些设施首先修复以及采用何种修复方式也是当前研究的热点。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种震后社区建筑群恢复调度及韧性评价多目标优化方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种震后社区建筑群恢复调度及韧性评价多目标优化方法，包括：
3、获取震源坐标点，基于所述震源坐标点构建震后建筑群网络，获取所述震后建筑群网络的图像数据和建筑结构信息；
4、基于所述建筑群网络的图像数据和建筑结构信息获取建筑结构特征数据，通过递归神经网络对所述建筑结构特征数据进行计算，获得建筑物韧性预测评分；
5、基于所述建筑物韧性预测评分确定建筑物修复策略；
6、实时获取可调度资源，基于多目标粒子群优化算法对所述建筑物修复策略和所
7、基于所述建筑物修复调度的最优解集合对社区建筑群进行修复。
8、优选地，所述获取震源坐标点，基于所述震源坐标点构建震后建筑群网络的过程包括：
9、获取震源坐标点，以所述震源坐标点为中心并以建筑物的分布密度构建半径范围获取震后建筑范围；
10、基于曼哈顿距离方法确定所述震后建筑范围中建筑物之间的空间距离，同时获取建筑物之间的功能联系；
11、将所述震后建筑范围作为空间约束，将建筑物作为节点，所述建筑物之间的空间距离和所述建筑物之间的功能作为网络中的边构建所述震后建筑群网络。
12、优选地，获取所述震后建筑群网络的图像数据和建筑结构信息的过程包括：
13、基于所述震后建筑范围中建筑物之间的空间距离，以及无人机上深度相机的参数信息、天气信息、航带重叠度和航带宽度构建无人机飞行航线；
14、无人机通过所述无人机飞行航线对目标区域进行航拍，获得所述震后建筑群网络的图像数据；
15、基于历史建筑数据获取建筑物几何信息、结构类型和材料、构件信息以及建筑系统信息并整合，生成所述建筑结构信息。
16、优选地，基于所述建筑群网络的图像数据和建筑结构信息获取建筑结构特征数据的过程包括：
17、基于历史建筑信息确定建筑震后初始功能状态；
18、将所述建筑群网络的图像数据和建筑结构信息的特征进行融合，获得融合数据集；
19、基于多层感知器对所述融合数据集的特征进行提取，并将提取的特征通过所述建筑震后初始功能状态进行分类，获得所述建筑结构特征数据。
20、优选地，将所述建筑群网络的图像数据和建筑结构信息的特征进行融合，获得融合数据集的过程包括：
21、基于自编码器对所述建筑结构信息的特征进行提取，获得关键特征数据；
22、将所述图像数据裁剪为小尺度的图块，然后将所述小尺度的图块归一化像素值到[0,1]区间，生成归一化图块；
23、通过spearman秩相关系数获取所述关键特征数据和所述归一化图块的相关性；
24、将所述关键特征数据的统计指标转化为多个数据视图，并映射至所述归一化图块的空间分布上，获得所述融合数据集。
25、优选地，所述通过递归神经网络对所述建筑结构特征数据进行计算，获得建筑物韧性预测评分的过程包括：
26、获取历史建筑特征数据，同时构建空间缩放注意力机制和递归神经网络；
27、将所述递归神经网络的隐藏层与所述空间缩放注意力机制进行连接，生成优化后的递归神经网络；
28、基于所述历史建筑特征数据对所述优化后的递归神经网络进行训练，获得韧性预测网络；
29、将所述建筑结构特征数据输入至所述韧性预测网络中进行评估，生成所述建筑物韧性预测评分。
30、优选地，所述空间缩放注意力机制的表达式为：
31、
32、
33、其中，concat()是拼接操作，为权重参数，ni为第i个阶段注意力头的个数，因此每个头部的维度为lsr()是对输入序列的空间维度进行线性降维操作。
34、优选地，基于所述建筑物韧性预测评分确定建筑物修复策略的过程包括：
35、基于所述建筑物韧性预测评分评估建筑目前的结构状态和损伤情况；
36、基于所述建筑目前的结构状态和损伤情况确定所述建筑物修复策略；
37、所述建筑物修复策略包括建筑完美修复和建筑非完美修复。
38、优选地，所述生成建筑物修复调度的最优解集合的过程包括：
39、构建以最小化修复成本和最小化修复时间为基础的目标函数；
40、实时获取可调度资源，基于所述可调度资源和所述建筑物修复策略初始化一组粒子，其中，每个粒子表示一个修复策略；
41、基于所述目标函数对迭代更新所述粒子的位置和速度，生成搜索空间的最优粒子群；
42、将所述最优粒子群转化为帕累托前沿，并对所述帕累托前沿的每个解进行评估，生成评估结果；
43、基于历史建筑属性构建优先级白名单；
44、基于所述优先级白名单和所述评估结果构建建筑物修复调度的最优解集合。
45、与现有技术相比，本专利技术具有如下优点和技术效果：
46、本专利技术通过获取震源坐标点和建筑结构信息，可以构建完整的震后建筑群网络。这种综合的建筑群网络不仅包括了地理空间关系，还涵盖了建筑物的结构信息，从而提供了全面的基础数据。利用递归神经网络处理建筑结构特征数据，可以准确地预测建筑物的韧性评分。这种方法可以考虑到复杂的建筑结构特征，进而提供更精确和可靠的韧性评估结果。根据建筑物的韧性评分，制定出基于数据驱动的修复策略。这样可以优先处理那些韧性较低、风险较高的建筑物，提高修复效率和效果。
47、并且，本专利技术通过多目标粒子群优化算法，实现建筑物修复策略与可调度资源之间的平衡。这种方法能够同时考虑多个冲突的目标，例如最小化修复成本、最大化修复效率等，从而生成最优的修复调度方案。通过生成的最优修复调度集合，能够有效地管理和分配资源，以实现整体社区建筑群的快速、有效修复。这种方法能够最大限度地降低灾后社区的恢复时间和成本，提高社区的抗灾能力和可持续发展。
本文档来自技高网...【技术保护点】
1.一种震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，所述获取震源坐标点，基于所述震源坐标点构建震后建筑群网络的过程包括：
3.根据权利要求2所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，获取所述震后建筑群网络的图像数据和建筑结构信息的过程包括：
4.根据权利要求1所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，基于所述建筑群网络的图像数据和建筑结构信息获取建筑结构特征数据的过程包括：
5.根据权利要求4所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，将所述建筑群网络的图像数据和建筑结构信息的特征进行融合，获得融合数据集的过程包括：
6.根据权利要求1所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，所述通过递归神经网络对所述建筑结构特征数据进行计算，获得建筑物韧性预测评分的过程包括：
7.根据权利要求6所述的震后社区建筑群恢
8.根据权利要求1所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，基于所述建筑物韧性预测评分确定建筑物修复策略的过程包括：
9.根据权利要求1所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，所述生成建筑物修复调度的最优解集合的过程包括：
...【技术特征摘要】
1.一种震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，所述获取震源坐标点，基于所述震源坐标点构建震后建筑群网络的过程包括：
3.根据权利要求2所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，获取所述震后建筑群网络的图像数据和建筑结构信息的过程包括：
4.根据权利要求1所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，基于所述建筑群网络的图像数据和建筑结构信息获取建筑结构特征数据的过程包括：
5.根据权利要求4所述的震后社区建筑群恢复调度及韧性评价多目标优化方法，其特征在于，将所述建筑群...
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。