[发明专利]基于北斗和向量机的建筑物震害预测方法

说明书

技术领域：

本发明涉及一种基于北斗和向量机的建筑物震害预测方法，属于建 筑物震害技术领域。

背景技术：

目前常用的震害预测方法包括易损性分析法、树状图分析法、直接 统计分析法、当量统计法、专家评估法、结构反映分析法、震害潜势分 析法。现有的传统建筑物震害预测方法存在两方面的不足：一个方面是 预测方法所涉及的基础数据或者操作过程过于复杂，对于大规模的群体 建筑的震害预测来说，方案从时间和劳动成本上来说显然不可行；另一 个方面，预测过程中可能需要主观的设定一些参数或者权重，所以结果 不够客观和准确。

发明内容：

针对上述问题，本发明要解决的技术问题是提供一种基于北斗和向 量机的建筑物震害预测方法。

本发明的一种基于北斗和向量机的建筑物震害预测方法，它的预测 方法为：

步骤一：通过北斗地震灾害监测系统获取建筑物相关信息，从中选 取样本数据；对于建筑物样本数据的特征因子等进行去量纲、归一化预 处理；

步骤二：将样本数据分为训练样本数据和检验样本数据，选取合适 的核函数，采用格网搜索方式对训练样本数据进行LOO-CV交叉验证寻优， 获取模型最优参数，利用LVBSVM软件，进行预测模型的建立；

步骤三：检验模型：运用检验样本进行分类结果精度的对比，并不 断调整核函数及相关参数的选取，获得可靠性、准确性相对最高的北斗 和向量机模型；

步骤四：由最优模型对实际的大区域的建筑物信息数据进行地震灾 害预测评估，分等定级。

作为优选，所述的步骤二中的LOO-CV交叉验证寻优方法为：设训练 样本数据有N个样本，将每个样本单独作为验证集，其余的N-1个样本 作为训练集，首先用训练集对分类器进行训练，得到N个模型，再利用 验证集来测试训练得到的模型，用这N个模型最终的验证集的分类准确 率的平均数作为评价LOO-CV分类器的性能指标。

本发明的有益效果为：提高了预测的可靠性、准确性与速度，操作 简便，劳动力低。

附图说明：

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1为本发明的流程图。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图 中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例 性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公 知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1所示，本具体实施方式采用以下技术方案：它的预测方法为：

步骤一：通过北斗地震灾害监测系统获取建筑物相关信息，从中选 取样本数据；对于建筑物样本数据的特征因子等进行去量纲、归一化预 处理；

步骤二：将样本数据分为训练样本数据和检验样本数据，选取合适 的核函数，采用格网搜索(GridSearch)方式对训练样本数据进行LOO-CV 交叉验证寻优，获取模型最优参数(包括惩罚因子C和g系数)，利用 LVBSVM软件，进行预测模型的建立；

步骤三：检验模型：运用检验样本进行分类结果精度的对比，并不 断调整核函数及相关参数的选取，获得可靠性、准确性相对最高的北斗 和向量机模型；

步骤四：由最优模型对实际的大区域的建筑物信息数据进行地震灾 害预测评估，分等定级。

进一步的，所述的步骤二中的LOO-CV交叉验证寻优方法为：设训练 样本数据有N个样本，将每个样本单独作为验证集，其余的N-1个样本 作为训练集，首先用训练集对分类器进行训练，得到N个模型，再利用 验证集来测试训练得到的模型，用这N个模型最终的验证集的分类准确 率的平均数作为评价LOO-CV分类器的性能指标。

实施例：

本实施例为：基于北斗和向量机与单体力学对震害的预测结果对比 如下：

通过对比，不难发现，通过基于北斗和向量机方法建筑物震害预 测所得到的结果与力学单体建筑物震害预测所得到的结果大体一致，只 有对于省教委办公楼震害有一个等级的差异，这个模型运用实例说明了 基于北斗和向量机的建筑物震害预测模型的可靠性和准确性。相对于时 间和劳动成本相对较高的传统预测方法，基于北斗和向量机的方法简便 可行，优势突出。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。 本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施 例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范 围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要 求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。