[发明专利]一种基于大数据的建筑物安全性预测分析方法在审
申请号: | 201910144392.1 | 申请日: | 2019-02-27 |
公开(公告)号: | CN110059338A | 公开(公告)日: | 2019-07-26 |
发明(设计)人: | 唐永圣;吴智深;方达;张浩 | 申请(专利权)人: | 南京智慧基础设施技术研究院有限公司;南京东大智能化系统有限公司 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 北京挺立专利事务所(普通合伙) 11265 | 代理人: | 倪钜芳 |
地址: | 210012 江苏省南京市雨*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 建筑物 建筑物模型 损伤 指标化 安全性预测 建筑物地基 建筑物框架 承重结构 动态评估 辅助结构 计量函数 形变参数 应力参数 大数据 加权 建筑设计 结构损伤 特性定义 准确率 构建 可用 采集 分析 量化 施加 | ||
本发明涉及一种基于大数据的建筑物安全性预测分析方法,解决的是准确率低的技术问题,通过采用按照特性定义为建筑物地基结构、建筑物框架承重结构以及建筑物辅助结构;建立建筑物模型,施加应力并采集建筑物模型的形变参数;根据建筑物模型定义对应的建筑物地基结构损伤指标化函数、建筑物框架承重结构损伤指标化函数以及建筑物辅助结构损伤指标化函数;定义建筑物加权损伤计量函数;构建动态评估模型,将应力参数以及与应力参数对应的建筑物模式形变参数使用步骤四的建筑物加权损伤计量函数量化后,输入动态评估模型的技术方案,较好的解决了该问题,可用于建筑设计中。
技术领域
本发明涉及建筑物安全分析领域,具体涉及一种基于大数据的建筑物安全性预测分析方法。
背景技术
建筑是建筑物与构筑物的总称。是人们为了满足社会生活需要,利用所掌握的物质技术手段,并运用一定的科学规律、风水理念和美学法则创造的人工环境。有些分类为了明确表达使用性,会将建筑物与人们不长期占用的非建筑结构物区别,另外有些建筑学者也为了避免混淆,而刻意在其中把外型经过人们具有意识创作出来的建筑物细分为“建筑”(Architecture)。需注意的是,有时建筑物也可能会被扩展到包涵“非建筑构筑物”,诸如桥梁、电塔、隧道等。
现有的建筑物安全分析预测采用的是整体评估,不能有效的评估出建筑物真实的安全性并进行预测。本发明提供一种基于大数据的建筑物安全性预测分析方法。
发明内容
本发明所要解决的技术问题是现有技术中存在的准确率低的技术问题。提供一种新的基于大数据的建筑物安全性预测分析方法,该基于大数据的建筑物安全性预测分析方法具有准确率高的特点。
为解决上述技术问题,采用的技术方案如下:
一种基于大数据的建筑物安全性预测分析方法,所述基于大数据的建筑物安全性预测分析方法包括
步骤一,将建筑物结构按照特性定义为建筑物地基结构、建筑物框架承重结构以及建筑物辅助结构;
步骤二,建立建筑物模型,对建筑物施加应力并采集建筑物模型的形变参数,所述应力包括水平向应力;
步骤三,根据建筑物模型定义对应的建筑物地基结构损伤指标化函数、建筑物框架承重结构损伤指标化函数以及建筑物辅助结构损伤指标化函数;
步骤四,定义建筑物加权损伤计量函数;
步骤五,构建动态评估模型,将步骤二的应力参数以及与应力参数对应的建筑物模式形变参数使用步骤四的建筑物加权损伤计量函数量化后,输入动态评估模型,得出建筑物安全性预测分析结果。
本发明的工作原理:建筑物的安全主要受各种应力的影响,应力对于建筑物的各种结构的影响是不同的。本发明通过将建筑物的结构进行分类,分为地基、承重框架以及在框架之中填充后其到辅助承重的辅助结构。并分类对于应力造成的影响进行分类统计,定义影响函数,最后定义加权后融合的建筑物损失函数对建筑物在应力的作用下的损失情况进行统计。统计后,使用动态评估模型,实现建筑物安全性的预估分析。通过分类融合的方法,以及动态评估的方法,提高了预测的分析精度。
上述方案中,为优化,进一步地,步骤三中的建筑物地基结构损伤指标化函数为
其中,a(t)为时间范围T0<t<TE内,建筑物模型质心的合成线性加速度;T0为应力开始时间,TE为应力结束时间,t1为建筑物地基结构损伤指标达到最大的时间段的开始时间,t2是使得建筑物地基结构损伤指标达到最大的时间段的结束时间;
建筑物框架承重结构损伤指标化函数为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京智慧基础设施技术研究院有限公司;南京东大智能化系统有限公司,未经南京智慧基础设施技术研究院有限公司;南京东大智能化系统有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910144392.1/2.html,转载请声明来源钻瓜专利网。