CN116150861B - 一种高烈度区剪力墙施工数据智能处理系统 - Google Patents
一种高烈度区剪力墙施工数据智能处理系统 Download PDFInfo
- Publication number
- CN116150861B CN116150861B CN202310427320.4A CN202310427320A CN116150861B CN 116150861 B CN116150861 B CN 116150861B CN 202310427320 A CN202310427320 A CN 202310427320A CN 116150861 B CN116150861 B CN 116150861B
- Authority
- CN
- China
- Prior art keywords
- influence factor
- historical
- quality influence
- shear wall
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 title claims abstract description 28
- 238000013441 quality evaluation Methods 0.000 claims abstract description 72
- 238000012216 screening Methods 0.000 claims abstract description 62
- 230000005856 abnormality Effects 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 68
- 230000006378 damage Effects 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 111
- 230000002787 reinforcement Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种高烈度区剪力墙施工数据智能处理系统。该系统包括数据获取模块用于获取实时数据。数据处理模块用于获取剪力墙的质量评价值和每种质量影响因子的剪力墙影响程度。历史数据筛选模块用于对历史质量影响因子组进行筛除。聚类模块用于对质量影响因子组聚类,筛选出优选聚类簇。数据监测模块用于基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常监测。本发明结合历史质量影响因子组,对实时质量影响因子组进行分析,最终得到质量评价值,实现对待测剪力墙的施工异常监测,提高了对剪力墙的施工异常检测的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种高烈度区剪力墙施工数据智能处理系统。
背景技术
剪力墙结构作为高层建筑的主要结构形式,被广泛应用于现代高层建筑。剪力墙结构既可抵抗侧向力又可承受竖向荷载,有着承载能力强和平面内结构刚度大等诸多优点,但同时也具有剪切变形较大和平面外刚度较小的缺点。
此外,立面洞口较多的剪力墙受力状况无法简单模拟。因此,掌握剪力墙结构的受力特点,正确分析其结构的抗震性能是剪力墙结构设计的要点。尤其在高烈度区,由于抗震设防要求更高,对该类结构的研究尤为重要,故需要在施工时,对其施工数据进行监测,以确保剪力墙的质量。保障其抗震需求。
目前,常见的对剪力墙进行施工数据监测的方法为通过检测剪力墙的高度的变化程度,得到的倾斜度,生成对应的二维信息图,以实现对剪力墙的实时检测,该方法仅根据实时的待检测剪力墙的变化程度实现对剪力墙的施工数据异常检测,需要首先获取剪力墙正常情况下的高度,仅根据待检测剪力墙的数据进行异常检测分析,容易出现将可控范围内的施工数据常规情况判断为异常情况,其施工数据异常检测不准确。
发明内容
为了解决对剪力墙的检测容易出现误判,导致异常检测不准确的技术问题,本发明的目的在于提供一种高烈度区剪力墙施工数据智能处理系统,所采用的技术方案具体如下:
数据获取模块,用于获取待测剪力墙的实时质量影响因子组以及剪力墙的高度;
数据处理模块,用于对剪力墙的历史数据库中的数据进行分析得到剪力墙的质量评价值;根据相同高度下每种质量影响因子和质量评价值的差异,得到每种质量影响因子的剪力墙影响程度;
历史数据筛选模块,用于根据历史质量影响因子组和质量评价值的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组的差异得到历史质量影响因子组的异常指标;根据所有历史质量影响因子组的异常指标和不同高度的剪力墙影响程度,得到异常筛选指标;基于所述异常筛选指标对历史质量影响因子组进行删除;
聚类模块,用于利用不同的聚类半径,对筛除后的历史质量影响因子组和实时质量影响因子组进行聚类操作;根据每次聚类得到的各聚类簇内质量影响因子组的剪力墙影响程度,筛选出优选聚类簇;
数据监测模块,用于基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常检测。
优选的,所述对剪力墙的历史数据库中的数据进行分析得到剪力墙的质量评价值,包括:
历史数据库中包括历史质量影响因子组对应的高度、历史质量影响因子组对应的在不同破坏等级下剪力墙的倾斜角度;
获取在同一破坏等级下每次剪力墙的倾斜角度的均值,作为倾斜均值;将每个破坏等级下的倾斜均值和破坏等级的乘积作为等级倾斜值;将所有破坏等级的等级倾斜值之和,作为剪力墙的偏离程度;
对偏离程度进行负相关归一化映射,将映射值作为剪力墙的质量评价值。
优选的,所述根据相同高度下每种质量影响因子和质量评价值的差异,得到每种质量影响因子的剪力墙影响程度,包括:
将相同高度对应的每种质量影响因子和对应的质量评价值的差值绝对值的均值的负相关归一化值作为每种质量影响因子的剪力墙影响程度。
优选的,所述根据历史质量影响因子组和质量评价值的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组的差异得到历史质量影响因子组的异常指标,包括:
根据任意历史质量影响因子组和质量评价值的差异,得到历史质量影响因子组对应的不相关性;根据历史质量影响因子组和相同高度下其他历史质量影响因子组的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组对应的不相关性的差异,确定差异性;根据历史质量影响因子组对应的差异性和不相关性得到历史质量影响因子组的异常指标;所述差异性和所述不相关性均与异常指标呈正比。
优选的,所述根据任意历史质量影响因子组和质量评价值的差异,得到历史质量影响因子组对应的不相关性,包括:
计算历史质量影响因子组中每种历史质量影响因子和质量评价值的差值绝对值的和值作为历史质量影响因子组对应的不相关性。
优选的,所述根据历史质量影响因子组和相同高度下其他历史质量影响因子组的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组对应的不相关性的差异,确定差异性,包括:
所述差异性的计算公式为:其中,/>为差异性;/>为历史质量影响因子组c对应的高度下的历史质量影响因子组的总数量;/>为历史质量影响因子组c对应的高度下的第h组历史质量影响因子组对应的不相关性;/>为历史质量影响因子组c对应的不相关性;/>为历史质量影响因子组内的历史质量影响因子的种类数量;/>为历史质量影响因子组c对应的高度下的第h组历史质量影响因子组中第j种历史质量影响因子;/>为历史质量影响因子组c中第j种历史质量影响因子。
优选的,所述根据所有历史质量影响因子组的异常指标和不同高度的剪力墙影响程度,得到异常筛选指标,包括:
将所有历史质量影响因子组对应的异常指标的均值,作为异常均值;将相同高度的所有历史质量影响因子对应的剪力墙影响程度之和作为第一指标;将不同高度对应的第一指标之和作为第二指标;将异常均值和所述第二指标的和值作为异常筛选指标。
优选的,所述基于所述异常筛选指标对历史质量影响因子组进行删除,包括:
按照异常指标从大到小的顺序对历史质量影响因子组进行排序,得到历史质量影响因子组序列;
当历史质量影响因子组序列对应的归一化后的异常筛选指标大于预设筛选阈值时,将历史质量影响因子组序列中首项历史质量影响因子组进行删除;当删除后的历史质量影响因子组序列对应的归一化后的异常筛选指标大于预设筛选阈值时,继续将历史质量影响因子组序列中第二项历史质量影响因子组进行删除;直至删除更新后的历史质量影响因子组序列对应的归一化后的异常筛选指标小于或等于预设筛选阈值,停止删除历史质量影响因子组。
优选的,所述根据每次聚类得到的各聚类簇内质量影响因子组的剪力墙影响程度,筛选出优选聚类簇,包括:
对于根据任意聚类半径进行聚类操作得到的至少两个聚类簇,将各聚类簇内所有质量影响因子组中每种质量影响因子的剪力墙影响程度的和值,作为聚类半径的聚类评价指标;
将聚类评价指标的最小值对应的聚类半径作为优选半径,将优选半径对应的含有实时质量影响因子组的聚类簇作为优选聚类簇。
优选的,所述基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常检测,包括:
当优选聚类簇的中心点对应的质量评价值小于预设质量阈值时,待测剪力墙出现施工异常。
本发明实施例至少具有如下有益效果:
本发明计算每种质量影响因子的剪力墙影响程度,该剪力墙影响程度反映了质量影响因子和质量评价值的差异程度,通过该差异程度得到质量影响因子对剪力墙质量的影响程度。进一步的,通过对历史质量影响因子组进行分析得到对应的异常指标,该异常指标反映了历史数据的异常情况,可将该异常情况作为参考指标,实现后续对历史质量影响因子组的筛选。然后结合异常指标和历史质量影响因子组对应的剪力墙影响程度对历史质量影响因子组进行筛除,相对于仅通过一个参考指标对历史质量影响因子组进行筛除,提高了异常的历史质量影响因子组筛除的准确性。从多次聚类操作中选取出优选聚类簇,优选聚类簇内的质量影响因子组关联度更高,也更接近实时质量影响因子组,能够更好的分析待测剪力墙数据是否出现异常,最后基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常检测。本发明结合历史质量影响因子组,对实时质量影响因子组进行分析,最终得到质量评价值,实现对待测剪力墙的施工异常监测,提高了对剪力墙的施工异常检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种高烈度区剪力墙施工数据智能处理系统的系统框图。
实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种高烈度区剪力墙施工数据智能处理系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了一种高烈度区剪力墙施工数据智能处理系统的具体实施方法,该方法适用于高烈度区剪力墙施工异常检测场景。为了解决对剪力墙的检测容易出现误判,导致异常检测不准确的技术问题。本发明结合历史质量影响因子组,对实时质量影响因子组进行分析,最终得到质量评价值,实现对待测剪力墙的施工异常监测,提高了对剪力墙的施工异常检测的准确性。
下面结合附图具体的说明本发明所提供的一种高烈度区剪力墙施工数据智能处理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种高烈度区剪力墙施工数据智能处理系统的系统框图,该系统包括以下模块:
数据获取模块10,用于获取待测剪力墙的实时质量影响因子组以及剪力墙的高度。
对施工好的待测剪力墙进行检验,获取待测剪力墙的实时质量影响因子组。其中,质量影响因子组中包括至少两个质量影响因子。在本发明实施例中质量影响因子分别为剪力墙的垂直度、剪力墙的平整度、剪力墙竖向配筋率和剪力墙横向配筋率。质量影响因子均为与剪力墙质量呈正相关的数据。将剪力墙的垂直度、剪力墙的平整度、剪力墙竖向配筋率和剪力墙横向配筋率,均进行归一化处理,并将每次施工获取的质量影响因子记为一个组,将其作为质量影响因子组。需要说明的是,在本发明实施例中仅考虑了剪力墙的垂直度、剪力墙的平整度、剪力墙竖向配筋率和剪力墙横向配筋率这四种数据对剪力墙功能质量的影响,实际情况下考虑因素众多,如剪力墙厚度、施工使用水泥的质量等,故根据实际情况调整质量影响因子。
同时由于不同高度剪力墙有着不同标准,故还需获取待测剪力墙对应的高度。
数据处理模块20,用于对剪力墙的历史数据库中的数据进行分析得到剪力墙的质量评价值;根据相同高度下每种质量影响因子和质量评价值的差异,得到每种质量影响因子的剪力墙影响程度。
由于剪力墙有承担水平载荷的能力,故本发明从地震或大风时获取的剪力墙对应的偏移情况评价剪力墙质量。虽然建筑水平抵抗力不仅由剪力墙决定,但还是可以从一定程度上反映剪力墙的质量。
对历史数据库中的历史数据进行分析,获取历史数据对应不同风力等级或地震等级。在本发明实施例中将风力等级和地震等级统称为破坏等级。获取不同破坏等级对应楼体角度偏离值,也即楼体或墙体的倾斜角度。楼体角度偏离程度越小,则对应的剪力墙的质量越好。其中楼体角度偏离值是楼体偏离时与楼体正常时的偏斜角度差,也即楼体偏离时与楼体正常时的倾斜角度。
对剪力墙的历史数据库中的数据进行分析得到剪力墙的质量评价值,具体的:历史数据库中包括历史质量影响因子组、历史质量影响因子组对应的高度、历史质量影响因子组对应的在不同破坏等级下剪力墙的倾斜角度;对于任意历史质量影响因子组,获取历史质量影响因子组在同一破坏等级下对应的倾斜角度的均值,作为倾斜均值;将每个破坏等级下的倾斜均值和破坏等级的乘积作为等级倾斜值;将历史质量影响因子组对应的所有破坏等级的等级倾斜值之和,作为历史质量影响因子组对应的剪力墙的偏离程度;对偏离程度进行负相关归一化映射,将映射值作为历史质量影响因子组对应的剪力墙的质量评价值。需要说明的是,历史数据和实际待测剪力墙的施工工艺是完全相同的,仅剪力墙的质量影响因子存在差异,历史质量影响因子对应的高度也即历史质量影响因子对应的剪力墙的高度,剪力墙的高度和倾斜角度有多种获取方法,在本发明实施例中不再对其进行具体的限定。
该偏离程度的计算公式为:其中,/>为偏离程度;/>为破坏等级的总级数;/>为第s级破坏等级出现的总次数;/>为第f次出现第s级破坏等级时剪力墙对应的倾斜角度;/>为在第s级破坏等级下每次剪力墙的倾斜角度的均值,也即为倾斜均值;/>为等级倾斜值;s为破坏等级的级数。
该偏离程度反映了剪力墙在不同破坏等级下的倾斜情况,当剪力墙越倾斜,也即剪力墙对应的倾斜角度越大时,则对应的剪力墙的偏离程度越大,反映了剪力墙的质量越差;反之,当剪力墙对应的倾斜角度越小,则对应的剪力墙的偏离程度越小,反映了剪力墙的质量越好。
其中,M表示破坏等级的总级数,也即地震总等级或风力总等级,本发明中将真实地震或风力等级从低到高分为5类,分别对应真实地震等级,0-6、7、8、9、10级及以上。
进一步的,对偏离程度β进行负相关归一化映射,将映射值作为剪力墙的质量评价值。作为本发明的一个实施例可以通过以自然常数为底数,以负的偏离程度为指数的指数函数来实现对偏离程度进行负相关归一化映射,也即质量评价值,其中e为自然常数,/>为质量评价值。作为本发明的另一个实施例可以将偏离程度的倒数的归一化值作为剪力墙的质量评价值。剪力墙的质量越好则对应的质量评价值越大,反之,剪力墙的质量越差则对应的质量评价值越小。
进一步的,判断各质量影响因子对剪力墙质量的影响程度。根据相同高度下每种质量影响因子和质量评价值的差异,得到每种质量影响因子的剪力墙影响程度。将相同高度对应的每种质量影响因子和对应的质量评价值的差值绝对值的均值的负相关归一化值作为每种质量影响因子的剪力墙影响程度。
每种质量影响因子的该剪力墙影响程度的计算公式为:其中,/>为高度为/>时的第j种质量影响因子对应的剪力墙影响程度;/>为高度为l时对应的第j种质量影响因子的数量;/>为高度为l时第j种第i个质量影响因子;e为自然常数;/>为高度为l时第j种第i个质量影响因子对应的质量评价值。
当质量影响因子与对应的质量评价值差异越小,说明当前质量影响因子与剪力墙质量的相关性越强,则对应的剪力墙影响程度越大;反之,当质量影响因子与对应的质量评价值差异越大,说明当前质量影响因子与剪力墙质量的相关性越弱,则对应的剪力墙影响程度越小。通过以自然常数为底数,以负的为底数的指数函数实现对的负相关归一化。
需要说明的是,在获取实时质量影响因子组中质量影响因子的剪力墙影响程度时,是将实时质量影响因子组与实时质量影响因子组对应高度下每种质量影响因子。
历史数据筛选模块30,用于根据历史质量影响因子组和质量评价值的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组的差异得到历史质量影响因子组的异常指标;根据所有历史质量影响因子组的异常指标和不同高度的剪力墙影响程度,得到异常筛选指标;基于所述异常筛选指标对历史质量影响因子组进行删除。
通过分析获取历史剪力墙施工数据,进而分析当前质量影响因子组的数据合理性。本发明实施例使用DBSCAN聚类算法,对历史数据进行分析,从而获取当前聚类簇的准确性,实现对历史质量影响因子组的删除。
由于不同高度剪力墙以及不同烈度区域剪力墙在剪力墙施工时对应的施工参数均有不同,故本发明使用DBSCAN对不同高度以及不同抗风能力的质量影响因子组进行聚类。
同时,在进行聚类时,不同聚类半径对聚类结果有着不同影响,故本发明通过使用不同聚类半径,获取优选聚类半径,从而完成对实时获取的实时质量影响因子组的分类,进而根据分类结果判断其是否符合当前施工要求。
对于获取的每组历史质量影响因子组,可能存在剪力墙质量好,但是因为建筑其它原因导致的建筑水平抵抗力的不足,由于本发明对历史质量影响因子组进行分析,故需要对这些历史质量影响因子组进行删除。
在每个类别中,各项历史质量影响因子均会对剪力墙质量产生影响,故获取在同一高度下剪力墙各项历史质量影响因子与剪力墙质量的影响程度。通过数据处理模块的处理步骤,获取历史数据库中每种历史质量影响因子对应的剪力墙影响程度。需要说明的是,这里仅考虑历史质量影响因子组中的历史质量影响因子,不考虑实时质量影响因子组。
对历史质量影响因子进行筛除,首先获取历史质量影响因子组的异常指标,根据历史质量影响因子组和质量评价值的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组的差异得到历史质量影响因子组的异常指标。具体的:根据任意历史质量影响因子组和质量评价值的差异,得到历史质量影响因子组对应的不相关性;根据历史质量影响因子组和相同高度下其他历史质量影响因子组的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组对应的不相关性的差异,确定差异性;根据历史质量影响因子组对应的差异性和不相关性得到历史质量影响因子组的异常指标;所述差异性和所述不相关性均与异常指标呈正比。作为本发明的一个实施例将差异性和不相关性的乘积作为异常指标。作为本发明的另一个实施例还可以将差异性和不相关性的和值作为异常指标。
对获取的历史质量影响因子组进行分析,由于对上述获取各项历史质量影响因子均进行了归一化处理,则获取的历史质量影响因子组中各项历史质量影响因子应与对应的质量评价值呈正相关关系,故获取历史质量影响因子之间的不相关性。其中,根据任意历史质量影响因子组和质量评价值的差异,得到历史质量影响因子组对应的不相关性,具体的:计算历史质量影响因子组中每种历史质量影响因子和质量评价值的差值绝对值的和值作为历史质量影响因子组对应的不相关性。该不相关性反映了历史质量影响因子组中各历史质量影响因子和质量评价值的差异程度,差异越大,则该不相关性越大。差异越小,不相关性越小,说明该组历史质量影响因子组越遵循各项历史质量影响因子与质量评价值呈正相关。
在高度一定以及质量评价值也一定时,其对应各项历史质量影响因子也应该相近,故可以根据在相同高度下,对应质量评价值相近的历史质量影响因子进行分析,得到对应的差异性。其中,差异性的计算公式为:其中,/>为差异性;/>为历史质量影响因子组c对应的高度下的历史质量影响因子组的总数量;/>为历史质量影响因子组c对应的高度下的第h组历史质量影响因子组对应的不相关性;/>为历史质量影响因子组c对应的不相关性;/>为历史质量影响因子组内的历史质量影响因子的种类数量;/>为历史质量影响因子组c对应的高度下的第h组历史质量影响因子组中第j种历史质量影响因子;/>为历史质量影响因子组c中第j种历史质量影响因子。
剪力墙各项历史质量影响因子与其对应质量评价值的不相关性差异越小,则对应的差异性越小,反之,剪力墙各项历史质量影响因子与其对应质量评价值的不相关性差异越大,则对应的差异性越大;其对应的各历史质量影响组中同种历史质量影响因子的差异越小,则对应的历史质量影响因子组和其他历史质量影响因子组的差异越小;反之,其对应的各历史质量影响组中同种历史质量影响因子的差异越大,则对应的历史质量影响因子组和其他历史质量影响因子组的差异越大。
在得到历史质量影响因子组的异常指标之后,对异常数据进行删除,具体的:
由于异常数据会影响聚类结果,故需要对所求出现异常的历史质量影响因子组进行删除,其中将获取的每个数据的历史质量影响因子进行删除。但是在进行删除的过程中,由于没有固定标准,可能在删除过程中将非异常的历史质量影响因子进行了删除,故需要保障删除数据不破坏数据相关性分析。首先根据所有历史质量影响因子组的异常指标和不同高度的剪力墙影响程度,得到异常筛选指标,即对获取的每组历史质量影响因子组均进行检测,在删除过程中需保障数据的相关性。
该异常筛选指标的获取方法为:将所有历史质量影响因子组对应的异常指标的均值,作为异常均值;将相同高度的所有历史质量影响因子对应的剪力墙影响程度之和作为第一指标;将不同高度对应的第一指标之和作为第二指标;将异常均值和所述第二指标的和值作为异常筛选指标。
该异常筛选指标的计算公式为:其中,/>为异常筛选指标;/>为第n个历史质量影响因子组对应的异常指标;/>为历史质量影响因子组的数量;/>为第n个历史质量影响因子组对应的异常均值;/>为高度为l时的第j种质量影响因子对应的剪力墙影响程度;/>为剪力墙对应的高度的数量;/>为质量影响因子组中质量影响因子的数量;/>为高度为l时对应的第一指标;/>为第二指标。
其中,异常均值反映了所有历史质量影响因子组的平均异常性,该异常均值和异常筛选指标呈正相关关系。第二指标/>表示各项历史质量影响因子在不同高度下对应平均数据项与质量的相关性,该第二指标和异常筛选指标也呈正相关关系。在进行异常数据的删除过程中,异常均值/>会越来越小,第二指标中各项历史质量影响因子与其对应质量评价值越满足正相关关系,则说明异常数据越少,也即第二指标越小则异常数据越小,则对应的异常筛选指标越小。
按照异常指标从大到小的顺序对历史质量影响因子组进行排序,得到历史质量影响因子组序列;当历史质量影响因子组序列对应的归一化后的异常筛选指标大于预设筛选阈值时,将历史质量影响因子组序列中首项历史质量影响因子组进行删除;当删除后的历史质量影响因子组序列对应的归一化后的异常筛选指标大于预设筛选阈值时,继续将历史质量影响因子组序列中第二项历史质量影响因子组进行删除;直至删除更新后的历史质量影响因子组序列对应的归一化后的异常筛选指标小于或等于预设筛选阈值,停止删除历史质量影响因子组。
也可以说将获取的历史质量影响因子组按照异常指标从大到小进行删除,当所求的归一化后的异常筛选指标小于或等于预设筛选阈值时,便可停止异常数据的删除。可以仅从剪力墙质量判断剪力墙施工数据效果。在本发明实施例中预设筛选阈值的取值为0.2,在其他实施例中实施者可根据实际情况调整该取值。
聚类模块40,用于利用不同的聚类半径,对筛除后的历史质量影响因子组和实时质量影响因子组进行聚类操作;根据每次聚类得到的各聚类簇内质量影响因子组的剪力墙影响程度,筛选出优选聚类簇。
利用不同的聚类半径,对通过历史数据筛选模块筛除更新后的历史质量影响因子组和待测剪力墙对应的实时质量影响因子组进行聚类操作。每次进行聚类操作均会得到对应的至少两个聚类簇,也即可以说每个聚类半径均对应至少两个聚类簇。利用任意聚类半径得到的多个聚类簇中,每组质量影响因子组均相关,故可以根据获取的聚类结果中各聚类簇内各项质量影响因子组的相关性差异进行分析,也可以说对每次聚类得到的各聚类簇内质量影响因子组的剪力墙影响程度进行分析,以筛选出优选聚类簇。在本发明实施例中规定每次进行聚类操作得到的聚类簇数量为5,在其他实施例中实施者可根据实际情况进行调整。
具体的:对于根据任意聚类半径进行聚类操作得到的至少两个聚类簇,将各聚类簇内所有质量影响因子组中每种质量影响因子的剪力墙影响程度的和值,作为聚类半径的聚类评价指标;将聚类评价指标的最小值对应的聚类半径作为优选半径,将优选半径对应的含有实时质量影响因子组的聚类簇作为优选聚类簇。各聚类簇内各历史质量影响因子与能够反映剪力墙质量的质量评价值的差异越小,反映通过对应的聚类半径进行聚类操作达到的聚类效果越好。
数据监测模块50,用于基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常检测。
根据当前的优选聚类簇的聚类结果,获取当前实时质量影响因子对应的抗破坏能力,将优选聚类簇对应的中心点的质量评价值,作为实时质量影响因子的质量评价值。该质量评价值反映了待测剪力墙的抗破坏能力,当优选聚类簇的中心点对应的质量评价值小于预设质量阈值时,待测剪力墙出现施工异常,也即认为待测剪力墙对应施工出现了问题,需要对剪力墙重新进行施工。在本发明实施例中预设质量阈值是由实施者根据当前烈度区以及对应预想抗破坏等级进行设定的,在此不再进行具体的设定。
综上所述,本发明涉及数据处理技术领域。本发明计算每种质量影响因子的剪力墙影响程度,该剪力墙影响程度反映了质量影响因子和质量评价值的差异程度,通过该差异程度得到质量影响因子对剪力墙质量的影响程度。进一步的,通过对历史质量影响因子组进行分析得到对应的异常指标,该异常指标反映了历史数据的异常情况,可通过该异常情况作为参考指标,实现后续对历史质量影响因子组的筛选。然后结合异常指标和历史质量影响因子组对应的剪力墙影响程度对历史质量影响因子组进行筛除,相对于仅通过一个参考指标对历史质量影响因子组进行筛除,提高了异常的历史质量影响因子组筛除的准确性。从多次聚类操作中选取出优选聚类簇,优选聚类簇内的质量影响因子组关联度更高,也更接近实时质量影响因子组,能够更好的分析待测剪力墙数据是否出现异常,最后基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常检测。本发明结合历史质量影响因子组,对实时质量影响因子组进行分析,最终得到质量评价值,实现对待测剪力墙的施工异常监测,提高了对剪力墙的施工异常检测的准确性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (8)
1.一种高烈度区剪力墙施工数据智能处理系统,其特征在于,该系统包括以下模块:
数据获取模块,用于获取待测剪力墙的实时质量影响因子组以及剪力墙的高度;
数据处理模块,用于对剪力墙的历史数据库中的数据进行分析得到剪力墙的质量评价值;根据相同高度下每种质量影响因子和质量评价值的差异,得到每种质量影响因子的剪力墙影响程度;
历史数据筛选模块,用于根据历史质量影响因子组和质量评价值的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组的差异得到历史质量影响因子组的异常指标;根据所有历史质量影响因子组的异常指标和不同高度的剪力墙影响程度,得到异常筛选指标;基于所述异常筛选指标对历史质量影响因子组进行删除;
其中,所述基于所述异常筛选指标对历史质量影响因子组进行删除的方法为:按照异常指标从大到小的顺序对历史质量影响因子组进行排序,得到历史质量影响因子组序列;当历史质量影响因子组序列对应的归一化后的异常筛选指标大于预设筛选阈值时,将历史质量影响因子组序列中首项历史质量影响因子组进行删除;当删除后的历史质量影响因子组序列对应的归一化后的异常筛选指标大于预设筛选阈值时,继续将历史质量影响因子组序列中第二项历史质量影响因子组进行删除;直至删除更新后的历史质量影响因子组序列对应的归一化后的异常筛选指标小于或等于预设筛选阈值,停止删除历史质量影响因子组;
聚类模块,用于利用不同的聚类半径,对筛除后的历史质量影响因子组和实时质量影响因子组进行聚类操作;根据每次聚类得到的各聚类簇内质量影响因子组的剪力墙影响程度,筛选出优选聚类簇;
其中,所述根据每次聚类得到的各聚类簇内质量影响因子组的剪力墙影响程度,筛选出优选聚类簇的方法为:对于根据任意聚类半径进行聚类操作得到的至少两个聚类簇,将各聚类簇内所有质量影响因子组中每种质量影响因子的剪力墙影响程度的和值,作为聚类半径的聚类评价指标;将聚类评价指标的最小值对应的聚类半径作为优选半径,将优选半径对应的含有实时质量影响因子组的聚类簇作为优选聚类簇;
数据监测模块,用于基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常检测。
2.根据权利要求1所述的一种高烈度区剪力墙施工数据智能处理系统,其特征在于,所述对剪力墙的历史数据库中的数据进行分析得到剪力墙的质量评价值,包括:
历史数据库中包括历史质量影响因子组对应的高度、历史质量影响因子组对应的在不同破坏等级下剪力墙的倾斜角度;
获取在同一破坏等级下每次剪力墙的倾斜角度的均值,作为倾斜均值;将每个破坏等级下的倾斜均值和破坏等级的乘积作为等级倾斜值;将所有破坏等级的等级倾斜值之和,作为剪力墙的偏离程度;
对偏离程度进行负相关归一化映射,将映射值作为剪力墙的质量评价值。
3.根据权利要求1所述的一种高烈度区剪力墙施工数据智能处理系统,其特征在于,所述根据相同高度下每种质量影响因子和质量评价值的差异,得到每种质量影响因子的剪力墙影响程度,包括:
将相同高度对应的每种质量影响因子和对应的质量评价值的差值绝对值的均值的负相关归一化值作为每种质量影响因子的剪力墙影响程度。
4.根据权利要求1所述的一种高烈度区剪力墙施工数据智能处理系统,其特征在于,所述根据历史质量影响因子组和质量评价值的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组的差异得到历史质量影响因子组的异常指标,包括:
根据任意历史质量影响因子组和质量评价值的差异,得到历史质量影响因子组对应的不相关性;根据历史质量影响因子组和相同高度下其他历史质量影响因子组的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组对应的不相关性的差异,确定差异性;根据历史质量影响因子组对应的差异性和不相关性得到历史质量影响因子组的异常指标;所述差异性和所述不相关性均与异常指标呈正比。
5.根据权利要求4所述的一种高烈度区剪力墙施工数据智能处理系统,其特征在于,所述根据任意历史质量影响因子组和质量评价值的差异,得到历史质量影响因子组对应的不相关性,包括:
计算历史质量影响因子组中每种历史质量影响因子和质量评价值的差值绝对值的和值作为历史质量影响因子组对应的不相关性。
6.根据权利要求4所述的一种高烈度区剪力墙施工数据智能处理系统,其特征在于,所述根据历史质量影响因子组和相同高度下其他历史质量影响因子组的差异、历史质量影响因子组和相同高度下其他历史质量影响因子组对应的不相关性的差异,确定差异性,包括:
所述差异性的计算公式为:
其中,t为差异性;G为历史质量影响因子组c对应的高度下的历史质量影响因子组的总数量;rh为历史质量影响因子组c对应的高度下的第h组历史质量影响因子组对应的不相关性;r′为历史质量影响因子组c对应的不相关性;v为历史质量影响因子组内的历史质量影响因子的种类数量;a(j,h)为历史质量影响因子组c对应的高度下的第h组历史质量影响因子组中第j种历史质量影响因子;a′j为历史质量影响因子组c中第j种历史质量影响因子。
7.根据权利要求1所述的一种高烈度区剪力墙施工数据智能处理系统,其特征在于,所述根据所有历史质量影响因子组的异常指标和不同高度的剪力墙影响程度,得到异常筛选指标,包括:
将所有历史质量影响因子组对应的异常指标的均值,作为异常均值;将相同高度的所有历史质量影响因子对应的剪力墙影响程度之和作为第一指标;将不同高度对应的第一指标之和作为第二指标;将异常均值和所述第二指标的和值作为异常筛选指标。
8.根据权利要求1所述的一种高烈度区剪力墙施工数据智能处理系统,其特征在于,所述基于优选聚类簇的中心点对应的质量评价值,对待测剪力墙进行施工异常检测,包括:
当优选聚类簇的中心点对应的质量评价值小于预设质量阈值时,待测剪力墙出现施工异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310427320.4A CN116150861B (zh) | 2023-04-20 | 2023-04-20 | 一种高烈度区剪力墙施工数据智能处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310427320.4A CN116150861B (zh) | 2023-04-20 | 2023-04-20 | 一种高烈度区剪力墙施工数据智能处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116150861A CN116150861A (zh) | 2023-05-23 |
CN116150861B true CN116150861B (zh) | 2023-07-18 |
Family
ID=86360388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310427320.4A Active CN116150861B (zh) | 2023-04-20 | 2023-04-20 | 一种高烈度区剪力墙施工数据智能处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116150861B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756604B (zh) * | 2023-08-18 | 2023-10-27 | 青岛农业大学 | 用于夏花生精量播种的智能调控系统 |
CN117171604B (zh) * | 2023-11-03 | 2024-01-19 | 城资泰诺(山东)新材料科技有限公司 | 基于传感器的保温板生产线异常监测系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114186626A (zh) * | 2021-12-09 | 2022-03-15 | 中国建设银行股份有限公司 | 一种异常检测方法、装置、电子设备及计算机可读介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108645875B (zh) * | 2018-03-20 | 2020-12-15 | 上海市建筑科学研究院 | 一种预制剪力墙灌浆连接的缺陷识别方法 |
CN115526363A (zh) * | 2021-06-24 | 2022-12-27 | 腾讯科技(深圳)有限公司 | 业务数据处理方法、装置、计算机设备和存储介质 |
CN115510517A (zh) * | 2022-03-14 | 2022-12-23 | 重庆大学 | 高层建筑结构智能设计方法 |
-
2023
- 2023-04-20 CN CN202310427320.4A patent/CN116150861B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114186626A (zh) * | 2021-12-09 | 2022-03-15 | 中国建设银行股份有限公司 | 一种异常检测方法、装置、电子设备及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116150861A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116150861B (zh) | 一种高烈度区剪力墙施工数据智能处理系统 | |
CN108956638A (zh) | 一种用于土木工程结构表观缺陷的评定检测系统 | |
CN109490072A (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及系统 | |
CN110455476B (zh) | 一种基于mcd异常点检验算法的多维动力指纹损伤识别方法 | |
CN111089544B (zh) | 基于最大熵法可靠度理论的隧道监控量测数据分析方法 | |
CN112949735A (zh) | 一种基于离群数据挖掘的液态危化品挥发浓度异常发现方法 | |
CN104198998B (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
CN110220885B (zh) | 一种机械设备磨损状态综合判断方法 | |
CN115270266A (zh) | 基于改进层次分析法的边坡监测状态风险判断方法 | |
CN115112183A (zh) | 一种用于异形机械零件尺寸检测系统 | |
CN114580940A (zh) | 基于灰色关联度分析法的注浆效果模糊综合评价方法 | |
CN103984856A (zh) | 一种基于神经网络的墙体纵向裂缝宽度预测系统及方法 | |
CN117763413A (zh) | 一种基于风险普查数据的单体建筑物震害快速评估方法 | |
CN117783128A (zh) | 一种建筑用索体检测系统 | |
CN113657747A (zh) | 一种企业安全生产标准化级别智能评定系统 | |
CN108898292A (zh) | 一种桥梁健康状态的安全评估方法 | |
CN111141472B (zh) | 一种抗震支吊架检测方法及系统 | |
CN108458752A (zh) | 一种减震桥梁中的控制系统 | |
CN112488463A (zh) | 一种基于组合赋权法与优劣解距离法的滑坡评价方法 | |
US20230169681A1 (en) | Quantitative evaluation method and system for prediction result of remote sensing inversion | |
CN114881074B (zh) | 一种基于聚类-深度学习的工程结构变形预测方法 | |
CN115906663A (zh) | 房屋安全评估模型建立方法、评估方法、服务器及系统 | |
CN114880954A (zh) | 一种基于机器学习的滑坡敏感性的评估方法 | |
CN115062891A (zh) | 一种长距离有压输水管道渗漏快速定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |