[发明专利]一种基于冻融循环周期性特征的石窟寺稳定性检测方法

说明书

本发明公开了一种基于冻融循环周期性特征的石窟寺稳定性检测方法，方法包括：从微观角度入手构建石窟寺微观结构劣化模型，用于探究冻融循环、干湿循环对微观粒子的影响；从局部角度，利用局部关键裂隙裂化模型提取周期间子序列的相似性，并设计时间序列分解模块，使用多层卷积操作捕获数据间的短期时间依赖，使用RNN操作捕获数据间的长期时间依赖关系，考虑不同变量的作用强度使用自注意力模块；根据受损极限状态方程，结合周期、作用年限、材质和地理位置对石窟寺进行整体稳定性预测，提高了石窟寺的安全性。本发明对未来一段时间内石窟寺局部裂隙发育趋势和整体稳定性进行预测，便于提前研究应对方案，采取保护措施，提高了石窟寺的稳定安全性。

技术领域

本发明涉及岩土工程中岩体稳定性检测领域，尤其涉及一种基于冻融循环周期性特征的石窟寺稳定性检测方法，通过对过去一段时间内采集到的外部环境数据和石窟寺裂隙宽度数据的处理和学习，分析出未来较长时间内石窟寺的裂隙发育趋势，进而提前发出预警信息，以此对石窟寺进行有效保护。

背景技术

石窟寺是将建筑艺术与宗教文化进行完美结合的产物，其蕴含着深厚历史底蕴、文化背景和艺术价值。在数千年的历史长河中，石窟寺遭到了来自自然或人为的严重损坏，出现了裂隙、失稳、渗水等现象。经研究发现，石窟寺破损主要源于风化作用，而温差交替、干湿循环、冻融循环都是影响风化作用的主要因素。干湿循环通过对岩石内部矿物颗粒进行浸润作用削弱其之间的联系，显著影响岩体结构使得岩体内黏土矿物交替膨胀，出现劣化效应。冻融循环是指由于气温的变化导致岩石内部的水分处于冻结和融化频繁交替的现象。冻融循环的过程可能会导致岩石内部结构发生破坏，对岩石造成损伤。对石窟寺的保护工作在建国初期我国就已经开展了，最初是对它进行简易型支护，随着社会经济科学的发展，开始利用工程学方法对其进行加固保护，时至今日已经能够采用与其他学科合作的方式对石窟寺进行保护，由此可见，已经有越来越多的领域提高了对文物保护的重视。然而现在缺少一个可以综合利用各种先验知识，采用合理手段对石窟寺裂隙未来发育趋势进行预测的方法。

时间序列是指将统计的数值按时间顺序进行排列所形成的一组观测值集合，时间序列通常可以描述为由长期趋势、循环变动、季节变动、和不规则变动四部分构成。长期趋势是指受某种因素较长一段时期的影响下而形成的总体变动趋势的现象。循环变动是指在数年时间中数据呈现周期性变动的现象。季节变动是指在一年时间中由于季节更替而形成周期性变动的现象。不规则变动则是指无规律可循进行变动的现象。时间序列预测可以描述为通过分析历史数据的动态变化挖掘数据的潜在规律，基于此规律对未来时刻的数值进行预测。现如今，时间序列预测已经被广泛应用于多类领域，如金融领域，可以进行市场销量预测，农业领域可以对农作物年产量进行预测，能源领域，可以对工厂的各类能耗进行预测评估，环境领域，可以进行天气预报，PM2.5预警等。时间序列预测作为获取未来趋势的重要课题之一，备受国内外研究人员关注。其预测方法通常可以分为传统的统计学方法和深度学习方法，统计学模型有朴素估计模型、整合移动平均自回归模型(ARIMA)、指数平滑模型、多元回归模型等。这些模型也曾在解决时间序列预测问题时取得了较大进步，然而随着应用领域的逐步拓宽，时序数据变得更为复杂，面临着数据非线性，数据稀疏，数据之间存在更多潜在依赖关系的缺陷，这使得传统的统计学方法无法轻易提取数据特征，也难以得到稳定准确的预测结果。因此引入了机器学习方法，利用RNN、LSTM、GRU、Auto-Encoder等模型去解决更为复杂的时序预测问题，AutoFormer将深度学习方法与统计学方法进行结合，通过将序列分解单元嵌入深度模型，实现渐进式预测，提取趋势项隐变量的趋势信息得到了更具鲁棒性的模型，提高了长期时间序列预测的效果。但是上述方法对时序数据周期之间的相似性、各数据变量之间关联性还未充分发掘，同时目前的模型缺乏合理的解释性。

发明内容

本发明提供了一种基于冻融循环周期性特征的石窟寺稳定性检测方法，本发明对未来一段时间内石窟寺局部裂隙发育趋势和整体稳定性进行预测，便于相关工作人员提前研究应对方案，采取保护措施，提高了石窟寺的稳定安全性，详见下文描述：

一种基于冻融循环周期性特征的石窟寺稳定性检测方法，所述方法包括：