[发明专利]一种基于神经网络的城市建筑震害预测方法

说明书

本发明涉及一种基于神经网络的城市建筑震害预测方法，包括：S1、选取n个震害影响因子；S2、以所述n个震害影响因子为分类依据，通过分类模型得到待测建筑物与n个震害影响因子相对应的n个分类结果；S3、基于待测建筑物的n个分类结果，确定与待测建筑物相似的样本建筑物；S4、根据所述相似的样本建筑物的震害情况，预测待测建筑物的震害情况。

技术领域

本发明涉及一种基于神经网络的城市建筑震害预测方法，属于震害预测领域。

背景技术

城市人口、建筑和基础设施呈密集化发展，城市中一旦发生地震灾害将导致严重的后果，城市群体建筑的震害预测对减轻地震灾害风险有重要意义。目前针对城市群体建筑的震害预测方法大多通过实地调研或对往年群体建筑的震害历史数据进行统计，缺点在于：城镇建筑数据无法及时更新且需要花费大量的人力、物力。

故，需要一种高效准确的城市建筑震害自动预测方法。

申请号为CN201611226153.3的发明专利《一种民居震害矩阵动态预测方法》公开了：一、确定计算区域的西部农村民居震害因子及其个数N；二、确定农村民居震害因子中符合第j项分类的第i个震害因子d_ij、ω_ij及对应第i个震害因子的取值分类的类别数T；三、计算每类震害因子；四、计算总的震害因子；五、计算λ；六、计算D；七、确定西部农村单个民居或村庄的破坏等级；八、计算所有需要计算的西部农村单个民房或村庄的破坏等级,已经计算的不需计算；九、结合计算机软件动态给出相应的震害矩阵。该方法仅是针对民居建筑进行震害预测，无法扩展应用至城市建筑的震害预测领域，且该方法中震害因子、权重值的具体取值仍需要人工确定。

发明内容

为了克服现有技术中存在的问题，本发明设计了一种基于神经网络的城市建筑震害预测方法，利用无人机和分类模型自动获取待测建筑物的建筑信息(本发明中建筑信息体现为分类结果)，降低建筑信息获取成本，且能够及时更新建筑信息。且基于所述分类结果，确定相似样本建筑物，并根据相似样本建筑物的震害情况预测待测建筑物的震害情况，快速高效地预测大量建筑物的震害情况，从而帮助工作人员宏观把控某一区域的建筑震害情况，人力、物力消耗小，有利于编制该区域的防震减灾规划。

为了实现上述目的，本发明采用如下技术方案：

一种基于神经网络的城市建筑震害预测方法，包括以下步骤：

S1、选取n个震害影响因子；

S2、以所述n个震害影响因子为分类依据，通过分类模型得到待测建筑物与n个震害影响因子相对应的n个分类结果；

S3、基于待测建筑物的n个分类结果，确定与待测建筑物相似的样本建筑物；

S4、根据所述相似的样本建筑物的震害情况，预测待测建筑物的震害情况。

进一步地，所述步骤S2具体为：

获取待处理图像，所述待处理图像包括待测建筑物；

分别以n个震害影响因子为分类依据，构建并训练n个分类模型；将所述待处理图像分别输入至n个分类模型，得到待测建筑物的n个分类结果。

进一步地，所述步骤S3具体为：

获取若干个样本数据，每一样本数据包括一样本建筑物的震害情况及该样本建筑物的n个分类结果；

根据待测建筑物的n个分类结果和样本建筑物的n个分类结果，分别计算待测建筑物与样本建筑物的相似度；

根据所述相似度，确定与待测建筑物相似的样本建筑物。

进一步地，所述计算待测建筑物与样本建筑物的相似度，以公式表达为：