[发明专利]一种基于有限元模型与SVM回归算法的大坝监测web展示方法

权利要求书

1.一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：

选取目标大坝的典型断面，将选取的大坝典型断面导入至Hypermesh中进行网格划分，对每个网格中的节点单元信息进行分类储存；

通过节点与单元之间的对应信息，搜索剖面外轮廓：将每个网格中仅使用过一次的边构成一个完整的封闭图形，该封闭图形作为大坝剖面外轮廓；

从监测平台数据库中实时获取目标测点及目标日期数据；对自变量进行二次方处理，扩充自变量信息；

构建SVM回归器，选定松弛变量，并针对训练集调整SVM参数；

有限元节点坐标预处理及目标值计算，将测点信息扩散到全断面；

插值绘制坝体断面测值云图，并实时展示绘制的等值线。

2.根据权利要求1所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：网格划分采用四边形网格。

3.根据权利要求2所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：节点单元信息储存是将节点编号坐标、单元编号保存为一个文件夹；将组成节点顺序保存为另一个文件夹。

4.根据权利要求1或2所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：列出所有网格的边，对仅构成一个网格的边计次为1，对构成两个网格的边计次为2，删除计次为2的边，通过首尾节点编号对所有计次为1的边进行排序，形成一个完整的闭合图形，该闭合图形作为大坝剖面外轮廓。

5.根据权利要求1所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：自变量的第一列为测点的x坐标，作为X的第一个自变量，第二列为测点的y坐标，作为X的第二个自变量，将自变量通过二次方组合，产生了x坐标的二次方，作为X第三个自变量，y坐标的二次方作为X的第四个自变量，以及每个测点的x*y，作为X的第个五自变量。

6.根据权利要求5所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：构建SVM回归器的方法是：将自变量X作为数据导入SVM回归器，以因变量为目标，迭代修正SVM中的系数，降低回归器输出误差；在实际工程中，自变量X与因变量y之间在函数空间空间中存在特定的映射关系，使得一种X状态只能对应一种结果状态y，但是现实状态下映射关系复杂多变，通过现有的线性分析手段难以准确描述该函数关系，因此，采用非线性算法SVM，通过不断的训练，通过误差进行验证，使得模型不断逼近自变量与因变量之间真实的映射关系，可以有效模拟结构真实性态。

7.根据权利要求6所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：选定松弛变量的范围是0.01～1000。

8.根据权利要求5所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：使有限元模型坐标系与实际工程坐标保持一致，输出有限元模型的节点坐标，经过扩充自变量信息的方法构建五列数据，作为测试集的自变量，将该自变量输入至中构建完成的SVM回归器中，产生预测目标值，将典型断面中少量的测点位移以及测值信息扩充到整个断面。

9.根据权利要求8所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：采用python中的griddata函数，将整个断面中的预测值进行插值，在典型断面上形成连续变化的目标值，通过搜索的剖面外轮廓对多余插值点进行清除，最后绘制对应云图和等值线图。

10.根据权利要求7所述的一种基于有限元模型与SVM回归算法的大坝监测web展示方法，其特征在于：选定松弛变量等于1000。