[发明专利]基于K-means三维聚类算法的风压系数快速分区方法及系统和存储介质

权利要求书

1.基于K-means三维聚类算法的风压系数快速分区方法，其特征在于：包括以下步骤：

获取建筑表面点的风压系数数据；

建立K-means聚类算法模型，并确定初始参数，所述初始参数包括聚类数K、加权因子；

将风压系数数据按照初始参数进行划分为K个簇；

计算初始聚类的簇中心和簇中心之间的距离；

根据加权因子计算簇的最小化误差平方和；

计算聚类数K值范围；

计算模型的统一指标参数数值并确定最优的K值；

输出风压系数分区的聚类结果；

所述加权因子按照以下方式确定：

对空间位置信息(x,y)坐标值进行数据预处理，将坐标取值范围缩小至到同一量级下：

通过限定α、β的取值范围使得聚类模型在考虑空间位置信息的基础上偏向于风压系数梯度信息聚类，条件函数如下所示：

其中，α为结构表面x坐标加权因子；β为结构表面y坐标加权因子；γ为全风向风压极值系数的加权因子；

然后，通过二分法选择较优的加权因子取值，通过比较不同加权因子下，在同一k值下数据样本集的聚类效果，最终确定加权因子的取值。

2.如权利要求1所述的风压系数快速分区方法，其特征在于：所述风压系数数据包括空间位置信息和风压系数，所述风压系数数据按照以下方式表示：

D＝{d_i|i＝1,2,…,n}；

d_i＝(x_i,y_i,c_pi)^T；

其中，D表示风压系数数据集；

i表示第i个测点；

n表示第n个测点；

d_i表示某测点风压系数点数据；

(x_i,y_i)为平屋盖样本点的空间位置信息；

c_pi为样本点的风压系数。

3.如权利要求1所述的风压系数快速分区方法，其特征在于：所述簇中心和簇中心之间的距离按照以下公式进行计算：

dist(d_i,m_j)＝α||x_i-x_j||₂+β||y_i-y_j||₂+γ||c_pi-c_pj||₂ (1)

其中，xi表示第i个测点的x坐标；x_j表示第j个测点的x坐标；

yi表示第i个测点的y坐标；y_j表示第j个测点的y坐标；

c_pj表示第j个测点的全风向极值风压系数；

c_pi表示第i个测点的全风向极值风压系数；

m_j(j＝1,2,…,k)表示初始聚类簇中心，

4.如权利要求1所述的风压系数快速分区方法，其特征在于：所述最小化平方误差和按照以下公式进行计算：

其中，E表示误差平方和；

μ_j为簇M_j的均值向量，

d_i表示d_i表示属于某一簇M_j样本点数据向量。