CN109214643B - 一种基于大数据的山地建筑韧性评价方法 - Google Patents

Abstract

本发明公开了一种基于大数据的山地建筑韧性评价方法，其特征在于，提取建筑物的韧性影响因子并进行归一化处理；然后根据《房屋危险鉴定标准》，建立建筑物的抵抗性能指数计算方法；选取研究区域内一定数量的建筑物作为训练样本利用智能算法对训练样本进行训练，得到各项影响因子对建筑物劣化、损坏的抵抗性能指数的影响因素的权值；采用该权值计算获得待研究区域内非样本建筑物的抵抗性能指数，并用于该待研究区域的建筑物的建筑韧性评价。本发明能够方便快捷地实现对建筑物的韧性评价，具备较高的评定准确性和评价效率，能够对山地建筑物灾害进行预警，为建筑物加固、修缮方案设计的提供参考信息。

Description

一种基于大数据的山地建筑韧性评价方法

技术领域

本发明涉及土木工程建筑抗风险情况研究领域；特别是涉及一种基于大数据的山地建筑韧性评价方法。

背景技术

我国是一个山地大国，约有山地面积666万平方公里，约占陆地国土面积的69％，山区的人口占全国总人口的一半以上。我国600多个设市城市中，300多个是山地城市；2300多个县级行政单位中，1500多个是山区县(市、区)；19000多个建制镇中，近10000个是山地城镇。因此，未来中国城镇化将以山地地区的城镇化为重点内容，山地城镇化将是中国城镇化的重中之重。重庆市区域是典型山地环境，重庆市属于典型的山地城市，在复杂的山地环境条件下，如何构建“韧性山地城镇”成为我国城镇化建设不可回避的问题，而山地环境条件下高韧性房屋建筑显然是其中重要的内涵。

现有文献分析表明，“韧性”的概念最早在40年前将其从物理学领域引入应用到生态学领域，由Holling定义的生态韧性为：一个生态系统对于吸收灾害影响并仍然保持其功能的能力的程度。“山地建筑韧性”，可以理解为在山地环境条件下，房屋建筑在各种自身属性、自然环境、人为因素、时间推移等的综合作用影响下，仍能持续保持正常使用功能、抵抗损坏的能力或可恢复的能力。

房屋的安全状况传统的评价模式，一直是以房屋全貌安全等级、有无安全隐患等文字描述，不够直观。信息更新依赖各区局基层单位的定期巡查，而各区局对于房屋的描述含义不一致，不利于信息的标准化和规范化，无法实现危房的动态管理和预警管理。随着危房的改造和房屋设施的老化，加之房屋的坐落地址、权利人发生变化时，将无法定位原有危房的情况，造成使用不便和信息共享的困难。故传统房屋建筑危险性调查评价的方法的缺点，一是投入的人力、财力、物力巨大，二是难以评价房屋危险性的动态变化，对房屋建筑进行韧性评价的方法更是罕见。什么是“韧性城市”城镇化发展目标下的山地环境韧性房屋建筑？如何评价山地环境房屋建筑的韧性？至今尚无专门研究，更谈不上在“韧性城市”构建中的应用。

再例如CN107451198A所公开的一种灾情评估方法，其特点在于，包括：获取受灾区域的图像信息；通过建筑物识别和处理模型确定所述图像信息中建筑物的受损等级；根据所述建筑物的受损等级和区域灾情等级评估模型，确定所述受灾区域的灾情等级。这种传统的评估方法，即只适用于事后评估，无法实现建筑灾害的预警管理。

国土与房屋管理部门在长期的房屋管理中，掌握了大量的房屋信息资料，尤其是房屋安全信息数据。由此，完全可以通过大数据的分析挖掘，建立房屋建筑韧性评价模型，通过基于大数据的山地城镇房屋韧性评价，实现房屋危险性的动态化分析与管理。可以说房屋建筑韧性大数据分析是城镇房屋建筑安全动态管理领域的未来发展方向。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：怎样提供一种基于大数据的山地建筑韧性评价方法，使其能够方便快捷地实现对山地城镇指定区域内不同局部区域的建筑物进行韧性评价，并具备较高的评定准确性和评价效率，能够对山地建筑物灾害进行预警，为建筑物加固、修缮方案设计的提供参考信息。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于大数据的山地建筑韧性评价方法，其特征在于，包括以下步骤：

(1)收集待研究区域的区域地形地质图，在地理信息系统软件(GIS)中建立待研究区域的数字高程模型；

(2)收集待研究区域的建筑物分布图，并在地理信息系统软件中，在建立的数字高程模型基础上对待研究区域的建筑物进行三维建模；

(3)将待研究区域划分成为若干个评价单元，针对每个评价单元，提取考虑建筑环境因素影响的韧性影响因子，再提取考虑建筑物自身因素影响的韧性影响因子，作为每个评价单元中的每个建筑物的抵抗性能影响因子；

(4)对每个建筑物的抵抗性能影响因子进行量化以及归一化处理，确定待研究区域内每个建筑物所对应韧性的抵抗性能影响因子的归一化值；

(5)根据《房屋危险鉴定标准》，建立建筑物的抵抗性能指数计算方法；随机选取研究区域内一定数量的建筑物作为训练样本，利用智能算法对训练样本进行训练，将每一座样本建筑归一化之后各项抵抗性能影响因子的归一化值作为“输入层”，将样本建筑的抵抗性能指数作为“输出层”；训练得到各项抵抗性能影响因子对建筑物抵抗性能指数的影响因素的权值；采用该权值计算获得待研究区域内非样本建筑物的抵抗性能指数，并用于该待研究区域的建筑物的建筑韧性评价。

这样，本方法能够实现对山地城镇指定区域内不同建筑物的韧性评价。由于在三维建模后，可以更加方便快捷地获取各建筑物的韧性影响因子的数据，然后根据训练得到的权值对建筑物抵抗性能指数进行计算，和直接采用《房屋危险鉴定标准》的计算方法对建筑物抵抗性能指数进行计算相比，不用去一一去测量建筑物中涉及具体建筑构材的各项指标，故可以更加方便快捷地得到待研究区域内各山地建筑物的抵抗性能指数，并得到对应的建筑韧性评价。抵抗性能指数用于表征建筑物抵抗劣化、损坏的能力。

作为优化，步骤(5)中，对被选取作为训练样本的建筑物，选取其不利影响(如强降雨、邻近施工等)发生前、不利影响发生后到人为修缮或加固前以及人为修缮或加固完成后三个时间点作为初始阶段、不利影响阶段和人为修缮加固阶段的表征，利用智能算法对训练样本在三个时间阶段的数据进行训练，在三个时间阶段中，分别将每一座样本建筑归一化之后各项抵抗性能影响因子的归一化值作为“输入层”，将样本建筑的抵抗性能指数作为“输出层”；训练得到分别在三个时间阶段内建筑物各项抵抗性能影响因子对建筑物抵抗性能指数的影响因素的权值，采用该权值分别计算获得待研究区域内非样本建筑物在三个时间阶段的抵抗性能指数，建立建筑物抵抗性能指数在单位时间内随时间的变化曲线，并由该变化曲线获得对应建筑物的韧度等级。

这样，本方法中进一步地，既考虑了抵抗性能影响因子对建筑物抗危害韧性的影响，又考虑了外界不利影响因素及其修复加固措施对建筑物抗危害韧性的影响，故具备较高的评定准确性和评价效率，能够更好地对山地建筑物灾害进行预警，为建筑物加固、修缮方案设计的提供参考信息。

作为优化，还包括步骤(6)，将步骤(5)中对应建筑物的韧性评价结果导入地理信息系统软件，并根据单位时间内建筑韧性等级的变化，在地理信息系统软件中实时更新建筑物的韧性评价结果。

这样，可以保持评估范围内建筑物随时间延长的韧性等级变化更新，以随时显示目标建筑物的韧性等级，更好地实现房屋危险性的动态化分析与管理。

作为优化，步骤(1)中所收集的资料，待研究区域的地形地质图应满足大中比例尺要求，包括待研究区域的地形信息和地质信息，其中待研究区域的地形信息主要以等高线进行表示，待研究区域的地质信息要能够反映该区域内各地层不同部位的产状信息(包括走向、倾向和倾角)或褶皱构造核部的位置信息。

这样，利用GIS(地理信息系统)软件，由待研究区域的地形地质图生成待研究区域的数字高程模型，方便用于后续的研究分析。

作为优化，步骤(2)中的建筑平面分布图比例尺需与地形地质图比例尺保持一致，且根据建筑物实际几何情况按照相同的比例尺建立三维模型。

这样，可以方便依靠GIS(地理信息系统)软件准确地生成后续所需的部分山地建筑韧性影响因子。

作为优化，步骤(3)中采用斜坡单元法实现将待研究区域划分为若干个评价单元。斜坡单元作为地质灾害发育的基本单元，与地质条件联系紧密，可以表现各类地质条件影响因素的综合作用。斜坡单元的原理为根据正反地形分别提取山脊线和山谷线，融合生成的反向集水流域与集水流域，最终得到分水线与汇水线组成的区域。

作为优化，步骤(3)中建筑环境因素影响的韧性影响因子包括：坡位、坡向、微地貌、岩性、顺逆向坡类型、高程、坡度、曲率、距水系距离和距断层距离中的几种或全部，建筑物自身因素影响的韧性影响因子包括：地基承载力、建筑年龄、建筑结构形式、建筑材料、建筑高度和建筑面积中的几种或全部。

这样，韧性影响因子提取时，从包括地形地貌、地基地质条件到建筑年限、形式等建筑自身条件等方面进行提取，充分地考虑了能够影响建筑物危险程度的各个方面因素，极大地提高了韧性评估的准确性和可靠性。具体实施时，也可以只选取其中的部分因素作为影响因子，虽然这样会一定程度上降低评估的准确性和可靠性，但如果去除不方便进行量化的影响因子，可以一定程度上利于评估计算。

作为优化，步骤(4)每个评价单元中各建筑物的韧性影响因子按照如下方式进行量化和归一化处理：按预先设定的量化标准对每个建筑物相应的坡位、坡向、微地貌、岩性、顺逆向坡类型、建筑结构形式、建筑材料这7个韧性影响因子进行量化处理，得到初始值，而每个建筑物相应的高程、坡度、曲率、距水系距离、距断层距离、地基承载力、建筑年龄、建筑高度、建筑面积这9个韧性影响因子则按各自参数值作为其初始值；

采用min-max标准化方法将量化后每个建筑物相应的16个韧性影响因子进行归一化处理，使数值结果归一到[0，1]中，各韧性影响因子都处于同一数量级上进行综合比较，转换函数如下：

式中：X为原始数据，X*为归一化后的数据，X_min、X_max分别为数据的最小值和最大值。

这样，可以准确可靠地实现各因子的归一化处理，方便后面计算。

作为优化，步骤(5)中采用神经网络法作为智能算法进行计算。神经在建筑、土木工程及工程地质领域已经有较为成熟的应用，并且易于操作。

作为优化，步骤(5)中建立变化曲线并获得韧度等级的过程为：

建筑物抵抗性能指数，参考《房屋危险鉴定标准》中的危险构建百分数计算方法进行修正取值；

n_df---------地基基础中危险构件数；

n_dc---------承重结构中危险柱数；

n_dw---------承重结构中危险墙段数；

n_dmb---------承重结构中危险主梁数；

n_drt---------承重结构中危险屋架榀数；

n_dsb---------承重结构中危险次梁数；

n_ds---------承重结构中危险板数；

n_dm---------围护结构中危险构件数；

n_f---------地基基础中构件数；

n_c---------承重结构中柱数；

n_w---------承重结构中墙段数；

n_mb---------承重结构中主梁数；

n_rt---------承重结构中屋架榀数；

n_sb---------承重结构中次梁数；

n_s---------承重结构中板数；

n_m---------围护结构中构件数；

建筑物抵抗性能指数S取p值的百分数；

再建立建筑抵抗性能指数随时间变化曲线的曲线图，图中S(t)为建筑抵抗性能指数随时间变化曲线，t₀为受到不利影响的开始时间，t₁为受到不利影响的结束时间，t₂为人为修缮、加固的开始时间，t₃为人为修缮、加固的结束时间；t₃为单位时间；A为单位时间内原始安全状态下水平直线S＝S₀与时间轴所围成面积，即A＝S₀×t₄；B为水平直线S＝S₀与S(t)曲线所围成的面积；

t₀到t₃时间段S(t)曲线的变化反应了建筑物受到不利影响以及经过修缮、加固之后的响应特征；t₀到t₃时间越短，或是S(t)曲线在t₀到t₁阶段的下降值越小、t₂到t₃阶段上升值越大，即B值越小，则代表建筑物的抵抗性能指数恢复能力越强，抵抗不利影响的能力越强；

综上所述，定义韧度指数R＝(A-B)/A；

0～t₀阶段，建筑抵抗性能指数S＝S₀由建筑物在受到不利影响之前的抵抗性能影响因素确定，S₀计算公式如下，w_a为建筑物在受到不利影响之前各抵抗性能影响因素权值；

t₀～t₁阶段，利用智能算法，对不利影响产生的建筑抵抗性能影响因素权值进行训练，在S₀的基础上对建筑物抵抗性能进行评价，得到S₁；S₁计算公式如下，w_b为建筑物在受到不利影响之后各抵抗性能影响因素权值；

t₁～t₂的持续时间按照最不利情况考虑；

t₂～t₃阶段，利用智能算法，对人为介入进行建筑物修复产生的建筑抵抗性能影响因素权值进行训练，在S₁的基础上对建筑物安全性能进行评价，得到S₂；

S₂计算公式如下，w_c为建筑物在经过人为修缮、加固措施之后各抵抗性能影响因素权值；

最后对韧度等级进行如下等级划分：

相比于现有技术，本发明具有如下有益效果：

1、本发明基于大数据的山地建筑韧性评价方法，通过对山地城镇内的样本建筑物在单位时间内进行跟踪监测，得到建筑物自身结构、山地城镇地形地貌等各项历史数据作为建筑抵抗性能影响因素，利用大数据挖掘方法，寻找各个因素综合作用下山地建筑物的抵抗性能，避免了传统的人为评价造成的主观性，利用大数据技术客观、高效地对山地建筑进行定量、定性分析并得到建筑物的抵抗性能指数。

2、本发明基于大数据的山地建筑韧性评价方法，将“韧性”这一概念引入对单个建筑物抵抗能力、恢复能力的综合评价，建立了山地建筑韧性评价流程，提出了山地建筑抵抗性能随时间变化函数，并在此基础上建立了山地建筑韧性分级方法。对单个建筑的韧性评价不仅是传统的建筑安全评估，更能反应建筑在受到不利影响之后的抵抗性能以及经过认为修缮、加固之后的安全性。结合大数据技术对山地城镇建筑进行评价，可以为既有建筑防灾减灾、修缮加固的设计、施工提供有力支撑。

附图说明

图1为本发明实施例的建筑安全等级随时间变化曲线图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步的详细说明。

实施例：参见图1，一种基于大数据的山地建筑韧性评价方法，包括以下步骤：

(1)收集待研究区域的区域地形地质图，在地理信息系统软件(GIS)中建立待研究区域的数字高程模型；

(2)收集待研究区域的建筑物分布图，并在地理信息系统软件中，在建立的数字高程模型基础上对待研究区域的建筑物进行三维建模；

(3)将待研究区域划分成为若干个评价单元，针对每个评价单元，提取考虑建筑环境因素影响的韧性影响因子，再提取考虑建筑物自身因素影响的韧性影响因子，作为每个评价单元中的每个建筑物的抵抗性能影响因子；

(4)对每个建筑物的抵抗性能影响因子进行量化以及归一化处理，确定待研究区域内每个建筑物所对应韧性的抵抗性能影响因子的归一化值；

(5)根据《房屋危险鉴定标准》，建立建筑物的抵抗性能指数计算方法；随机选取研究区域内一定数量的建筑物作为训练样本，利用智能算法对训练样本进行训练，将每一座样本建筑归一化之后各项抵抗性能影响因子的归一化值作为“输入层”，将样本建筑的抵抗性能指数作为“输出层”；训练得到各项抵抗性能影响因子对建筑物抵抗性能指数的影响因素的权值；采用该权值计算获得待研究区域内非样本建筑物的抵抗性能指数，并用于该待研究区域的建筑物的建筑韧性评价。

这样，本方法能够实现对山地城镇指定区域内不同建筑物的韧性评价。由于在三维建模后，可以更加方便快捷地获取各建筑物的韧性影响因子的数据，然后根据训练得到的权值对建筑物抵抗性能指数进行计算，和直接采用《房屋危险鉴定标准》的计算方法对建筑物抵抗性能指数进行计算相比，不用去一一去测量建筑物中涉及具体建筑构材的各项指标，故可以更加方便快捷地得到待研究区域内各山地建筑物的抵抗性能指数，并得到对应的建筑韧性评价。

本实施例中，步骤(5)中，对被选取作为训练样本的建筑物，选取其不利影响(本实施例中不利影响包括强降雨、地震、台风和邻近施工)发生前、不利影响发生后到人为修缮或加固前以及人为修缮或加固完成后三个时间点作为初始阶段、不利影响阶段和人为修缮加固阶段的表征，利用智能算法对训练样本在三个时间阶段的数据进行训练，在三个时间阶段中，分别将每一座样本建筑归一化之后各项抵抗性能影响因子的归一化值作为“输入层”，将样本建筑的抵抗性能指数作为“输出层”；训练得到分别在三个时间阶段内建筑物各项抵抗性能影响因子对建筑物抵抗性能指数的影响因素的权值，采用该权值分别计算获得待研究区域内非样本建筑物在三个时间阶段的抵抗性能指数，建立建筑物抵抗性能指数在单位时间内随时间的变化曲线(参见图1)，并由该变化曲线获得对应建筑物的韧度等级。

这样，本方法中进一步地，既考虑了抵抗性能影响因子对建筑物抗危害韧性的影响，又考虑了外界不利影响因素及其修复加固措施对建筑物抗危害韧性的影响，故具备较高的评定准确性和评价效率，能够更好地对山地建筑物灾害进行预警，为建筑物加固、修缮方案设计的提供参考信息。

本实施例中，还包括步骤(6)，将步骤(5)中对应建筑物的韧性评价结果导入地理信息系统软件，并根据单位时间内建筑韧性等级的变化，在地理信息系统软件中实时更新建筑物的韧性评价结果。

这样，可以保持评估范围内建筑物随时间延长的韧性等级变化更新，以随时显示目标建筑物的韧性等级，更好地实现房屋危险性的动态化分析与管理。

其中，步骤(1)中所收集的资料，待研究区域的地形地质图应满足大中比例尺要求，包括待研究区域的地形信息和地质信息，其中待研究区域的地形信息主要以等高线进行表示，待研究区域的地质信息要能够反映该区域内各地层不同部位的产状信息(包括走向、倾向和倾角)或褶皱构造核部的位置信息。

这样，利用GIS(地理信息系统)软件，由待研究区域的地形地质图生成待研究区域的数字高程模型，方便用于后续的研究分析。

其中，步骤(2)中的建筑平面分布图比例尺需与地形地质图比例尺保持一致，且根据建筑物实际几何情况按照相同的比例尺建立三维模型。

这样，可以方便依靠GIS(地理信息系统)软件准确地生成后续所需的部分山地建筑韧性影响因子。

其中，步骤(3)中采用斜坡单元法实现将待研究区域划分为若干个评价单元。斜坡单元作为地质灾害发育的基本单元，与地质条件联系紧密，可以表现各类地质条件影响因素的综合作用。斜坡单元的原理为根据正反地形分别提取山脊线和山谷线，融合生成的反向集水流域与集水流域，最终得到分水线与汇水线组成的区域。

其中，步骤(3)中建筑环境因素影响的韧性影响因子包括：坡位、坡向、微地貌、岩性、顺逆向坡类型、高程、坡度、曲率、距水系距离和距断层距离中的几种或全部，建筑物自身因素影响的韧性影响因子包括：地基承载力、建筑年龄、建筑结构形式、建筑材料、建筑高度和建筑面积中的几种或全部。

这样，韧性影响因子提取时，从包括地形地貌、地基地质条件到建筑年限、形式等建筑自身条件等方面进行提取，充分地考虑了能够影响建筑物危险程度的各个方面因素，极大地提高了韧性评估的准确性和可靠性。具体实施时，也可以只选取其中的部分因素作为影响因子，虽然这样会一定程度上降低评估的准确性和可靠性，但如果去除不方便进行量化的影响因子，可以一定程度上利于评估计算。

其中，步骤(4)每个评价单元中各建筑物的韧性影响因子按照如下方式进行量化和归一化处理：按预先设定的量化标准对每个建筑物相应的坡位、坡向、微地貌、岩性、顺逆向坡类型、建筑结构形式、建筑材料这7个韧性影响因子进行量化处理，得到初始值，而每个建筑物相应的高程、坡度、曲率、距水系距离、距断层距离、地基承载力、建筑年龄、建筑高度、建筑面积这9个韧性影响因子则按各自参数值作为其初始值；

采用min-max标准化方法将量化后每个建筑物相应的16个韧性影响因子进行归一化处理，使数值结果归一到[0，1]中，各韧性影响因子都处于同一数量级上进行综合比较，转换函数如下：

式中：X为原始数据，X*为归一化后的数据，X_min、X_max分别为数据的最小值和最大值。

这样，可以准确可靠地实现各因子的归一化处理，方便后面计算。

其中，步骤(5)中采用神经网络法作为智能算法进行计算。神经在建筑、土木工程及工程地质领域已经有较为成熟的应用，并且易于操作。其中，步骤(5)中建立变化曲线并获得韧度等级的过程为：

建筑物抵抗性能指数，参照《房屋危险鉴定标准》中的危险构建百分数计算方法进行取值；

n_df---------地基基础中危险构件数；

n_dc---------承重结构中危险柱数；

n_dw---------承重结构中危险墙段数；

n_dmb---------承重结构中危险主梁数；

n_drt---------承重结构中危险屋架榀数；

n_dsb---------承重结构中危险次梁数；

n_ds---------承重结构中危险板数；

n_dm---------围护结构中危险构件数；

n_f---------地基基础中构件数；

n_c---------承重结构中柱数；

n_w---------承重结构中墙段数；

n_mb---------承重结构中主梁数；

n_rt---------承重结构中屋架榀数；

n_sb---------承重结构中次梁数；

n_s---------承重结构中板数；

n_m---------围护结构中构件数；

建筑物抵抗性能指数S取p值的百分数，即S＝p×100％；

再建立建筑抵抗性能指数随时间变化曲线的曲线图，图中S(t)为建筑抵抗性能指数随时间变化曲线，t₀为受到不利影响的开始时间，t₁为受到不利影响的结束时间，t₂为人为修缮、加固的开始时间，t₃为人为修缮、加固的结束时间；t₃为单位时间；A为单位时间内原始安全状态下水平直线S＝S₀与时间轴所围成面积，即A＝S₀×t₄；B为水平直线S＝S₀与S(t)曲线所围成的面积；

t₀到t₃时间段S(t)曲线的变化反应了建筑物受到不利影响以及经过修缮、加固之后的响应特征；t₀到t₃时间越短，或是S(t)曲线在t₀到t₁阶段的下降值越小、t₂到t₃阶段上升值越大，即B值越小，则代表建筑物的抵抗性能指数恢复能力越强，抵抗不利影响的能力越强；故本申请中，“建筑韧性”这一概念不仅是建筑物稳定性的强弱，而是包括建筑物在未来可能受到不利影响因素时的抵抗性能，以及在经过不利影响之后，经过人为修缮、加固之后抵抗性能恢复的能力；

综上所述，定义韧度指数R＝(A-B)/A；

0～t₀阶段，建筑抵抗性能指数S＝S₀由建筑物在受到不利影响之前的抵抗性能影响因素确定，S₀计算公式如下，w_a为建筑物在受到不利影响之前各抵抗性能影响因素权值；

t₀到t₁时间段S(t)曲线受到不利影响时抵抗性能指数下降。山地城镇建筑所受不利影响主要有：强降雨、临近工地施工、临近管线开挖、临近隧道或地通道开挖等。由于造成不利影响的因素过多，且作用机理十分复杂，故采用保守设计，将各不利影响因素按最不利情况考虑，例如：在考虑强降雨时，取单位时间内出现的最大雨量作为强降雨情况，此时由强降雨造成的抵抗性能指数下降值最低；在考虑由临近工地施工扰动造成的抵抗性能指数下降时，取单位时间内，样本建筑受到临近工地基坑开挖、桩基施工、沉降造成的抵抗性能指数下降最大值，而对应的持续时间(t₁ ^-t₀)可根据施工时长而定。

故t₀～t₁阶段，利用智能算法，对不利影响产生的建筑抵抗性能影响因素权值进行训练，在S₀的基础上对建筑物抵抗性能进行评价，得到S₁；S₁计算公式如下，w_b为建筑物在受到不利影响之后各抵抗性能影响因素权值；

t₁～t₂的持续时间按照最不利情况考虑；具体地说，t₁到t₂时间段S(t)曲线为不利影响发生结束至修缮、加固工程开展之间的延迟时间，具体延至时长可根据当地相关部门实际抢修反应速度而定，按照最不利情况考虑；

t₂～t₃阶段，利用智能算法，对人为介入进行建筑物修复产生的建筑抵抗性能影响因素权值进行训练，在S₁的基础上对建筑物安全性能进行评价，得到S₂；具体地说，t₂到t₃时间段S(t)曲线表示人为修缮加固的进行，此时间段建筑抵抗性能指数的恢复以及恢复时间可根据当地相关部门及施工单位的施工能力而定，按照最不利情况考虑。受到不利影响之后建筑抵抗性能下降至S₁，S₁计算公式如下，式中w_c为建筑17项抵抗性能影响因素对建筑抵抗性能指数上升值(S₂-S₁)的权值，同样通过神经网络训练得到。

S₂计算公式如下，w_c为建筑物在经过人为修缮、加固措施之后各抵抗性能影响因素权值；

最后对韧度等级进行如下等级划分：

更加具体地说，在具体实施过程中，步骤(3)时，对待评定区域采用斜坡单元法进行栅格划分得到若干个评价单元，在该步骤中，对待评定区域进行栅格划分所得的每个栅格小区对应的地理面积尺寸最好不大于100m×100m，以保证研究区域内地形地貌、地质条件评定准确性。例如，针对县域、镇域、村域、场地四种不同覆盖面积级别的待评定区域，可以分别划分地理面积尺寸为100m×100m、50m×50m、30m×30m、10m×10m的栅格小区。至于待评定区域经栅格划分后所得的栅格小区总数量，则根据待评定区域的总面积以及每个栅格小区对应的地理面积尺寸而得以确定。在对待评定区域进行栅格划分后，由于将待评定区域内划分的每个栅格小区视为一个数据单元，因此对待评定区域内各个栅格小区对应的建筑抵抗性能影响因子的提取，可以采用不同的操作方式。例如，作为一种实施方式，每个栅格小区对应的影响因子均按照如下方式进行提取：从数字高程模型中提取栅格小区中指定位置点的高程、坡度、坡位、坡向、曲率、微地貌、距水系距离；从区域地质图中提取栅格小区中指定位置点的岩性、褶皱构造核部位置和距断层距离；对栅格小区中指定位置点的褶皱构造核部位置结合坡向计算后，提取出栅格小区中指定位置点的顺逆向坡类型；从而，以上述所提取的高程、坡度、坡位、坡向、曲率、微地貌、距水系距离、岩性、距断层距离和顺逆向坡类型作为栅格小区对应的建筑抵抗性能影响因子。又例如，作为另一种实施方式，每个栅格小区对应的建筑抵抗性能影响因子均按照如下方式进行提取：从数字高程模型中提取栅格小区中各位置点的高程、坡度、坡位、坡向、曲率、微地貌、距水系距离，分别求得栅格小区中各位置点的高程均值、坡度均值、坡位均值、坡向均值、曲率均值、微地貌、距水系距离均值，并根据栅格小区中各位置点的坡位、坡向和微地貌分别确定栅格小区的整体坡位、整体坡向和整体微地貌；从区域地质图中提取栅格小区中各位置点的岩性、褶皱构造核部位置和距断层距离，分别求得栅格小区中各位置点的褶皱构造核部位置均值和距断层距离均值，并根据栅格小区中各位置点的岩性确定栅格小区的整体岩性；对栅格小区中各位置点的褶皱构造核部位置结合坡向计算后，提取出栅格小区中各位置点的顺逆向坡类型，并确定栅格小区的整体顺逆向坡类型；从而，以上述所得到的高程均值、坡度均值、整体坡位、整体坡向、曲率均值、整体微地貌、距水系距离均值、距断层距离均值、岩性、整体顺逆向坡类型作为栅格小区对应的高程、坡度、坡位、坡向、曲率、微地貌、距水系距离、岩性、距断层距离、顺逆向坡类型，进而确定栅格小区对应的建筑抵抗性能影响因子。

以上10项环境相关参数作为栅格小区的抵抗性能影响因子，原因在于这些参数能够很好的体现山地城镇地形地貌、地质条件的特性，突出“山地城镇”这一研究主题。将上诉10项环境相关参数导入相应区域内的建筑模型中，结合建筑自身地基承载力、年龄、结构形式、材料、高度、面积这6项建筑自身因素，综合评价在山地环境与建筑自身一共16项影响因子的共同影响下，建筑物的抵抗性能。

更加具体地说，步骤(4)具体实施时，坡位、坡向、微地貌、岩性、顺逆向坡类型、建筑结构形式、建筑材料这8个因子属于定性参数而非定量参数，因此按照预设的标准进行量化处理，确定这7个因子的初始值。具体实施时，这7个属于定性参数的影响因子，可以根据地质灾害影响因子的分类标准以及重庆地区常见的地基基础岩性，以分类标号作为其各自的量化标准，进行初始取值的确定。例如，坡位、坡向、微地貌、岩性、顺逆向坡类型、建筑结构形式、建筑材料各自的分类及相应的分类标号分别如下：

坡位的分类及其相应的分类标号为：1.山谷；2.下坡；3.平坡；4.中坡；5.上坡；6.山脊。

坡向的分类及其相应的分类标号为：1.平面；2.北；3.东北；4.东；5.东南；6.南；7.西南；8.西；9.西北。

微地貌的分类及其相应的分类标号为：1.峡谷、深流；2.中坡处水系、浅谷；3.高地水系、水源；4.U型山谷；5.平原；6.空旷斜坡；7.上斜坡、台地；8.局部山谷中的山脊；9.在平原中坡处山脊，小山；10.山顶，山脊高处。

持力层岩性的分类及其相应的分类标号为：1.粉质黏土；2.泥岩；3.砂岩。

顺逆向坡类型的分类及其相应的分类标号为：1.顺向坡；2.切向外倾坡；3.切向坡；4.逆向坡；5.水平地形。

建筑结构形式的分类号为：1.砖混结构；2.框架结构；3.框架-剪力墙结构；4.剪力墙结构；4、钢结构。

建筑材料分类号为：1.砌体结构；2.钢筋混凝土结构；3.钢结构

由此，坡位、坡向、微地貌、岩性和顺逆向坡类、建筑结构、建筑材料型这7个影响因子的初始取值，可以根据其各自分类标准的分类标号加以确定。

其次，对于高程、坡度、曲率、距水系距离、距断层距离、地基承载力、建筑年龄、建筑高度、建筑面积这9个影响因子则按各自参数值作为其初始值。

Claims (8)

1.一种基于大数据的山地建筑韧性评价方法，其特征在于，包括以下步骤：

(1)收集待研究区域的区域地形地质图，在地理信息系统软件中建立待研究区域的数字高程模型；

(2)收集待研究区域的建筑物分布图，并在地理信息系统软件中，在建立的数字高程模型基础上对待研究区域的建筑物进行三维建模；

(3)将待研究区域划分成为若干个评价单元，针对每个评价单元，提取考虑建筑环境因素影响的韧性影响因子，再提取考虑建筑物自身因素影响的韧性影响因子，作为每个评价单元中的每个建筑物的抵抗性能影响因子；

(4)对每个建筑物的抵抗性能影响因子进行量化以及归一化处理，确定待研究区域内每个建筑物所对应韧性的抵抗性能影响因子的归一化值；

(5)根据《危险房屋鉴定标准》，建立建筑物的抵抗性能指数计算方法；随机选取研究区域内一定数量的建筑物作为训练样本，利用智能算法对训练样本进行训练，将每一座样本建筑归一化之后各项抵抗性能影响因子的归一化值作为“输入层”，将样本建筑的抵抗性能指数作为“输出层”；训练得到各项抵抗性能影响因子对建筑物抵抗性能指数的影响因素的权值；采用该权值计算获得待研究区域内非样本建筑物的抵抗性能指数，并用于该待研究区域的建筑物的建筑韧性评价；

步骤(4)每个评价单元中各建筑物的韧性影响因子按照如下方式进行量化和归一化处理：按预先设定的量化标准对每个建筑物相应的坡位、坡向、微地貌、岩性、顺逆向坡类型、建筑结构形式、建筑材料这7个韧性影响因子进行量化处理，得到初始值，而每个建筑物相应的高程、坡度、曲率、距水系距离、距断层距离、地基承载力、建筑年龄、建筑高度、建筑面积这9个韧性影响因子则按各自参数值作为其初始值；

采用min-max标准化方法将量化后每个建筑物相应的16个韧性影响因子进行归一化处理，使数值结果归一到[0，1]中，各韧性影响因子都处于同一数量级上进行综合比较，转换函数如下：

式中：X为原始数据，X*为归一化后的数据，X_min、X_max分别为数据的最小值和最大值。

2.如权利要求1所述的基于大数据的山地建筑韧性评价方法，其特征在于，步骤(5)中，对被选取作为训练样本的建筑物，选取其不利影响发生前、不利影响发生后到人为修缮或加固前以及人为修缮或加固完成后三个时间点作为初始阶段、不利影响阶段和人为修缮加固阶段的表征，利用智能算法对训练样本在三个时间阶段的数据进行训练，在三个时间阶段中，分别将每一座样本建筑归一化之后各项抵抗性能影响因子的归一化值作为“输入层”，将样本建筑的抵抗性能指数作为“输出层”；训练得到分别在三个时间阶段内建筑物各项抵抗性能影响因子对建筑物抵抗性能指数的影响因素的权值，采用该权值分别计算获得待研究区域内非样本建筑物在三个时间阶段的抵抗性能指数，建立建筑物抵抗性能指数在单位时间内随时间的变化曲线，并由该变化曲线获得对应建筑物的韧度等级。

3.根据权利要求1或2所述的基于大数据的山地建筑韧性评价方法，其特征在于，还包括步骤(6)，将步骤(5)中对应建筑物的韧性评价结果导入地理信息系统软件，并根据单位时间内建筑韧性等级的变化，在地理信息系统软件中实时更新建筑物的韧性评价结果。

4.根据权利要求1所述的基于大数据的山地建筑韧性评价方法，其特征在于，步骤(1)中所收集的资料，待研究区域的地形地质图应满足大中比例尺要求，包括待研究区域的地形信息和地质信息，其中待研究区域的地形信息主要以等高线进行表示，待研究区域的地质信息要能够反映该区域内各地层不同部位的产状信息或褶皱构造核部的位置信息。

5.根据权利要求1所述的基于大数据的山地建筑韧性评价方法，其特征在于，步骤(2)中的建筑平面分布图比例尺需与地形地质图比例尺保持一致，且根据建筑物实际几何情况按照相同的比例尺建立三维模型。

6.根据权利要求1所述的基于大数据的山地建筑韧性评价方法，其特征在于，步骤(3)中采用斜坡单元法实现将待研究区域划分为若干个评价单元。

7.根据权利要求1所述的基于大数据的山地建筑韧性评价方法，其特征在于，步骤(5)中采用神经网络法作为智能算法进行计算。

8.根据权利要求2所述的基于大数据的山地建筑韧性评价方法，其特征在于，步骤(5)中建立变化曲线并获得韧度等级的过程为：

建筑物抵抗性能指数，参考《危险房屋鉴定标准》中的危险构建百分数计算方法进行修正取值；

n_df---------地基基础中危险构件数；

n_dc---------承重结构中危险柱数；

n_dw---------承重结构中危险墙段数；

n_dmb---------承重结构中危险主梁数；

n_drt---------承重结构中危险屋架榀数；

n_dsb---------承重结构中危险次梁数；

n_ds---------承重结构中危险板数；

n_dm---------围护结构中危险构件数；

n_f---------地基基础中构件数；

n_c---------承重结构中柱数；

n_w---------承重结构中墙段数；

n_mb---------承重结构中主梁数；

n_rt---------承重结构中屋架榀数；

n_sb---------承重结构中次梁数；

n_s---------承重结构中板数；

n_m---------围护结构中构件数；

建筑物抵抗性能指数S取p值的百分数；

再建立建筑抵抗性能指数随时间变化曲线的曲线图，设S(t)为建筑抵抗性能指数随时间变化曲线，t₀为受到不利影响的开始时间，t₁为受到不利影响的结束时间，t₂为人为修缮、加固的开始时间，t₃为人为修缮、加固的结束时间；t₃为单位时间；A为单位时间内原始安全状态下水平直线S＝S₀与时间轴所围成面积，即A＝S₀×t₄；B为水平直线S＝S₀与S(t)曲线所围成的面积；

t₀到t₃时间段S(t)曲线的变化反应了建筑物受到不利影响以及经过修缮、加固之后的响应特征；t₀到t₃时间越短，或是S(t)曲线在t₀到t₁阶段的下降值越小、t₂到t₃阶段上升值越大，即B值越小，则代表建筑物的抵抗性能指数恢复能力越强，抵抗不利影响的能力越强；

综上所述，定义韧度指数R＝(A-B)/A；

0～t₀阶段，建筑抵抗性能指数S＝S₀由建筑物在受到不利影响之前的抵抗性能影响因素确定，S₀计算公式如下，w_a为建筑物在受到不利影响之前各抵抗性能影响因素权值；

t₀～t₁阶段，利用智能算法，对不利影响产生的建筑抵抗性能影响因素权值进行训练，在S₀的基础上对建筑物抵抗性能进行评价，得到S₁；S₁计算公式如下，w_b为建筑物在受到不利影响之后各抵抗性能影响因素权值；

t₁～t₂的持续时间按照最不利情况考虑；

t₂～t₃阶段，利用智能算法，对人为介入进行建筑物修复产生的建筑抵抗性能影响因素权值进行训练，在S₁的基础上对建筑物安全性能进行评价，得到S₂；

S₂计算公式如下，w_c为建筑物在经过人为修缮、加固措施之后各抵抗性能影响因素权值；

最后对韧度等级进行如下等级划分：

韧度计算结果1为韧度等级A，韧度计算结果1～0.95为韧度等级B，韧度计算结果0.95～0.75为韧度等级C，韧度计算结果≤0.75为韧度等级D。

Images