[发明专利]一种基于支持向量机的桩身完整性类别自动识别方法

权利要求书

1.一种基于支持向量机的桩身完整性类别自动识别方法，其特征在于，包括：采用支持向量机的分析方法对多个特征参量进行了训练和验证后得到识别模型，利用识别模型对桩身完整性类别进行识别；

所述特征参量包括：

1)桩型

桩身按荷载传递机理分为：摩擦桩、端承桩、摩擦端承桩、端承摩擦桩四种桩型；摩擦桩、端承桩、摩擦端承桩和端承摩擦桩的特征参量值分别为0、1、2和3；

2)缺陷径向分布D_p，i

缺陷径向分布D_p，i为异常程度指数为1、2或3的连续测点所在剖面数与总剖面数之比，其中，i为异常程度指数值，i为1、2或3；

异常程度指数为1、2和3的缺陷径向分布D_p，i分别为D_p，1、D_p，2和D_p，3；

3)缺陷的深度位置

缺陷的深度位置以缺陷所在深度与桩长之比H_p，i来表征，缺陷所在深度与桩长之比H_p，i为异常程度值为1、2或3的最大连续测点所在位置与桩长之比；

异常程度指数为1、2和3的缺陷所在深度与桩长之比H_p，i分别为H_p，1、H_p，2和H_p，3；

4)缺陷的轴向分布

缺陷的轴向分布用下面两个特征参量来表征：

(1)最大连续测点深度ΔH_i

异常程度值为1的最大连续测点深度ΔH₁为对所有剖面异常程度值为1的测点进行统计，得到的最大连续测点深度；

异常程度值为2的最大连续测点深度ΔH₂为对所有剖面异常程度值为1至2的测点进行统计，得到的最大连续测点深度；

异常程度值为3的最大连续测点深度ΔH₃为对所有剖面异常程度值为1至3的测点进行统计，得到的最大连续测点深度；

(2)连续测点总深度H_t，i

异常程度值为1的连续测点总深度H_t，1为对所有剖面异常程度值为1的测点进行统计后得到的多段连续测点深度之和；

异常程度值为2的连续测点总深度H_t，2为对所有剖面异常程度值为1至2的测点进行统计后得到的多段连续测点深度之和；

异常程度值为3的连续测点总深度H_t，3为对所有剖面异常程度值为1至3的测点进行统计后得到的多段连续测点深度之和。

2.根据权利要求1所述的基于支持向量机的桩身完整性类别自动识别方法，其特征在于，训练和验证前分别采集I、II、III和IV类缺陷桩的所述特征参量的数据样本。

3.根据权利要求1所述的基于支持向量机的桩身完整性类别自动识别方法，其特征在于，训练和验证时，利用若干种不同的寻找最优参数的方法得到最优惩罚因子及核函数的γ值，然后分别使用多项式核函数、径向基核函数进行训练与预测，得到不同的训练与预测结果，选取预测结果最优的寻找最优参数的方法和函数进行构建所述识别模型。

4.根据权利要求2所述的基于支持向量机的桩身完整性类别自动识别方法，其特征在于，利用径向基核函数对所述数据样本进行训练及预测。

5.根据权利要求4所述的基于支持向量机的桩身完整性类别自动识别方法，其特征在于，使用easy.py及径向基核函数进行训练与预测。