[发明专利]一种基于大数据技术的水工金属结构设计方法

权利要求书

1.一种基于大数据技术的水工金属结构设计方法，其特征在于，具体包括以下步骤：

S1、收集已建工程中有关水工金属结构产品的数据资料；

S2、根据所述S1收集的数据资料，从所述已建工程中筛选出优质工程；并通过逆向设计方法对所述优质工程的相关数据进行整理，构建基础数据库；

S3、将所述基础数据库中的数据通过机器学习算法进行训练，并对训练结果进行人工校核验证，得到训练完成后的学习模型；

S4、将新建工程的数据资料输入到所述训练完成后的学习模型中，输出实际工程中水工金属结构所需的各项指标参数。

2.根据权利要求1所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述水工金属结构，包括：平面钢闸门、弧形钢闸门、液压启闭机和卷扬式启闭机。

3.根据权利要求1所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述数据资料，包括：工程所在地，工程所在流域的水质、泥沙、过鱼、过船和地震，水工金属结构的孔口尺寸、水头、启闭容量和启闭机吊点。

4.根据权利要求3所述的基于大数据技术的水工金属结构设计方法，其特征在于，根据所述工程的特性不同，所述数据资料能够实时进行调整。

5.根据权利要求1所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述S2具体为：

S21、基于所述S1收集的数据资料，从所述已建工程中筛选出在实际工程运行中满足设计要求和发挥最大工程效益的优质工程；

S22、利用逆向设计方法对所述优质工程的计算书、工程图纸和三维参数模型进行数据整理，并将整理后的优质工程数据进行汇总整理，形成基础数据库。

6.根据权利要求5所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述S2的优质工程中若没有三维参数模型，则需重新建立三维参数模型。

7.根据权利要求1所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述S3具体为：

S31、对所述基础数据库中的数据通过机器学习算法进行训练，构建多元输出回归模型；

S32、基于胳膊肘法，对所述多元输出回归模型进行最优参数调节与选取，得到优化后的多元输出回归模型；

S33、基于大数据技术，通过人工设计方案与所述优化后的多元输出回归模型输出的机器设计方案作对比，验证机器设计方案的合理性与准确性；

S34、当所述机器设计方案与所述人工设计方案满足预期设定目标，则训练完成，得到训练完成后的多元输出回归模型；否则，重复步骤S31～S34，直至满足预期设定目标为止。

8.根据权利要求7所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述S31具体为：

对所述基础数据库中的数据通过相应的算法进行机器学习来训练，即采用多元线性回归、k近邻、决策树、随机森林和神经网络五种算法进行算法比选，然后再与所述基础数据库中的数据拟合训练，建立多元输出回归模型。

9.根据权利要求7所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述S32具体为：

基于胳膊肘法，采用10交叉验证法对所述多元输出回归模型进行评估，以最小平均方差为模型训练目标，选取最优算法与对应参数，进行水工金属结构设计指标快速计算与优化，得到优化后的多元输出回归模型。

10.根据权利要求7所述的基于大数据技术的水工金属结构设计方法，其特征在于，所述S33具体为：

根据相同的工程要求，采用大数据技术和人工同时进行设计，得到所述优化后的多元输出回归模型输出的机器设计方案和人工设计方案，然后将所述机器设计方案和所述人工设计方案进行优缺点对比，并进行原因分析或者人工验证基于大数据技术给出的设计方案，验证机器设计方案的合理性与准确性。