[发明专利]一种木结构古建筑的缺损度检测算法及检测方法

权利要求书

1.一种木结构古建筑的缺损度检测算法，其特征在于，包括：

获取温度数据、湿度数据、相对水平倾斜度数据；

根据相应温度数据、湿度数据、相对水平倾斜度数据计算温度偏离比、湿度偏离比、相对水平倾斜度比；

根据相应温度偏离比、湿度偏离比、相对水平倾斜度比建立向量；

根据相应向量构建木结构古建筑缺损度检测模型；

根据木结构古建筑缺损度模型并结合当前温度数据、湿度数据、相对水平倾斜度数据，给出当前木结构古建筑的缺损度指数和预警策略；以及

根据木结构古建筑缺损度模型预测木结构古建筑的期望寿命；

所述根据相应温度数据、湿度数据、相对水平倾斜度数据计算温度偏离比、湿度偏离比、相对水平倾斜度比的方法包括：

所述温度偏离比为：

所述湿度偏离比为：

所述相对水平倾斜度比为：

其中，T_ji为第j组测量节点第i个记录数据的温度值，H_ji为第j组测量节点第i个记录数据的湿度值，S_ji为第j组测量节点第i个记录数据的水平倾斜度值，T₀为温度标准值，H₀为湿度标准值，S₀为水平倾斜度上限；

所述根据相应温度偏离比、湿度偏离比、相对水平倾斜度比建立向量的方法包括：

获取温度偏离比、湿度偏离比、相对水平倾斜度比在特征中的最佳组合比例，即

目标函数为：

其中，C₁为温度偏离比比例，C₂为湿度偏离比比例，C₃为相对水平倾斜度比比例，y_i为第i个数据的类标记，且y_i为-1时表示木结构古建筑出现损毁；

使用梯度下降法求C,即C定义为

当L(C)最小时，即趋近0时，迭代所得的C^*为最优解，α表示步长；

所述根据相应温度偏离比、湿度偏离比、相对水平倾斜度比建立向量的方法还包括：

对特征进行量化，即

对进行量化，且量化间隔为0.1，得到

所述根据相应向量构建木结构古建筑缺损度检测模型的方法包括：

建立数据向量：x＝(x⁽¹⁾,x⁽²⁾,…,x^(j),…,x^(M))；

建立系数向量：w＝(w⁽¹⁾,w⁽²⁾,…,w^(j),…,w^(M))；

构建最优化模型，即

s.t.y_i(w·x_i+b)≥1-ξ_i；

ξ_i≥0 i＝1,2,......,N；

其中，C₀为惩罚系数；x_i为第i个训练数据向量；y_i为x_i的类标记，当y_i为-1时表示木结构古建筑出现损毁，当y_i为1时表示木结构古建筑无损；N为训练数据数目；ξ为松弛变量；ξ_i为第i个训练数据的松弛变量；b为偏置；

则最优化模型的解为：w^*；

其中，w^*即为最优分类超平面的法向量；为拉格朗日乘子向量中对偶问题的解的第i个元素；

所述根据木结构古建筑缺损度模型并结合当前温度数据、湿度数据、相对水平倾斜度数据，给出当前木结构古建筑的缺损度指数和预警策略的方法包括：

获取温度数据、湿度数据、相对水平倾斜度数据在法向量上进行投影后所得到的数据，出现木结构古建筑损毁与木结构古建筑状态正常两个数据类别的均值与方差，即

其中，N_A为类别y＝1的样本数；N_B为类别y＝-1的样本数；μ_B为出现木结构古建筑损毁数据在w^*向量轴投影后所得到的数据的均值；μ_A为木结构古建筑状态正常数据在w^*向量轴投影后所得到的数据的均值；δ_A为木结构古建筑状态正常数据在w^*向量轴投影后所得到的数据的标准差；δ_B为出现木结构古建筑损毁数据在w^*向量轴投影后所得到的数据的标准差；

所述根据木结构古建筑缺损度模型并结合当前温度数据、湿度数据、相对水平倾斜度数据，给出当前木结构古建筑的缺损度指数和预警策略的方法包括：

设x_A为所有y_i＝1的样本数据总和，Z_A为x_A在w^*向量轴的投影，设当前数据为x_c，即

Zc＝w*x_c；

当w^*x_c≤μ_A+δ_A时，木结构古建筑危险度V为0；

当w^*x_c≥μ_B-δ_B时，木结构古建筑危险度V为1；

当μ_A+δ_A≤w^*x_c≤μ_B-δ_B时，木结构古建筑危险度V为：

其中，H(Z_C|Z_A)为在给定Z_A条件下，Z_C的条件熵；

H(μ_B|Z_A)为在给定Z_A条件下，μ_B的条件熵；

木结构古建筑危险度V越小表示木结构古建筑缺损越小，木结构古建筑危险度V越大表示木结构古建筑缺损越大。