基于三维分析平台的坝坡混凝土结构异常分析方法与流程

本发明涉及人工智能，特别涉及一种基于三维分析平台的坝坡混凝土结构异常分析方法。

背景技术：

1、坝坡混凝土结构异常分析技术，是指运用先进的计算机技术和数值分析方法，结合三维建模技术对大坝坝坡中的混凝土结构进行异常检测、评估和分析的技术。该技术是一个涉及多个学科领域（如工程力学、材料科学、计算机科学等）的综合系统工程。它能够帮助更精确地了解大坝结构的实际工作状态，从而保障大坝的长期安全运行。然而在实际的坝坡混凝土结构异常分析任务中，坝坡混凝土结构的异常分析和判别所存在的准确性和可靠性低下的问题难以得到有效改善。

技术实现思路

1、为改善相关技术中存在的技术问题，本发明提供了一种基于三维分析平台的坝坡混凝土结构异常分析方法。

2、第一方面，本发明实施例提供了一种基于三维分析平台的坝坡混凝土结构异常分析方法，应用于人工智能分析系统，所述方法包括：

3、获取目标坝体结构图像监测数据，所述目标坝体结构图像监测数据包括多张坝体结构监测图像；

4、对所述目标坝体结构图像监测数据中的多张坝体结构监测图像进行监测属性知识挖掘，得到与所述多张坝体结构监测图像分别对应的三维监测属性知识向量；

5、依据设定的最少两个监测属性知识簇，对多个三维监测属性知识向量中的最少一个三维监测属性知识向量进行知识归纳，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱；

6、通过所述三维监测属性知识向量谱中三维监测属性知识向量的热力图，对所述最少两个监测属性知识簇进行循环调整，得到最少两个调整后的监测属性知识簇；

7、对所述最少两个调整后的监测属性知识簇分别对应的坝体结构状态趋势向量进行知识集成，得到目标坝体结构图像监测决策向量，所述目标坝体结构图像监测决策向量用于判断所述目标坝体结构图像监测数据对应的坝坡混凝土结构是否存在异常。

8、优选的，所述通过所述三维监测属性知识向量谱中三维监测属性知识向量的热力图，对所述最少两个监测属性知识簇进行循环调整，得到最少两个调整后的监测属性知识簇，包括：

9、获取最少两个三维监测属性知识向量谱中任一三维监测属性知识向量谱作为当前三维监测属性知识向量谱，所述当前三维监测属性知识向量谱的监测属性知识簇为当前监测属性知识簇；

10、通过所述当前三维监测属性知识向量谱中的三维监测属性知识向量与所述当前监测属性知识簇之间的特征差异，确定与所述当前三维监测属性知识向量谱对应的三维监测属性知识向量热力信息，并对所述最少两个监测属性知识簇进行循环调整，得到所述最少两个调整后的监测属性知识簇。

11、优选的，所述通过所述当前三维监测属性知识向量谱中的三维监测属性知识向量与所述当前监测属性知识簇之间的特征差异，确定与所述当前三维监测属性知识向量谱对应的三维监测属性知识向量热力信息，并对所述最少两个监测属性知识簇进行循环调整，得到所述最少两个调整后的监测属性知识簇，包括：

12、通过所述当前三维监测属性知识向量谱中的三维监测属性知识向量与所述当前监测属性知识簇之间的特征差异，确定与所述三维监测属性知识向量分别对应的特征差异信息；

13、基于多个特征差异信息之间的差异变化记录，将所述当前三维监测属性知识向量谱对应的特征差异离散评价作为所述三维监测属性知识向量热力信息；

14、确定与多个三维监测属性知识向量谱分别对应的特征差异离散评价作为三维监测属性知识向量热力信息；

15、从所述最少两个监测属性知识簇中，清洗掉热力值最大的三维监测属性知识向量热力信息对应的监测属性知识簇，并增添最少一个目标监测属性知识簇，得到所述最少两个调整后的监测属性知识簇。

16、优选的，所述从所述最少两个监测属性知识簇中，清洗掉热力值最大的三维监测属性知识向量热力信息对应的监测属性知识簇，并增添最少一个目标监测属性知识簇，得到所述最少两个调整后的监测属性知识簇，包括：

17、从所述最少两个监测属性知识簇中，将热力值最大的三维监测属性知识向量热力信息对应的监测属性知识簇进行清洗；

18、将与热力值最大的三维监测属性知识向量热力信息对应的三维监测属性知识向量谱进行清洗；

19、以设定策略在知识特征坐标系中增添一个目标监测属性知识簇，得到所述最少两个调整后的监测属性知识簇。

20、优选的，所述依据设定的最少两个监测属性知识簇，对多个三维监测属性知识向量中的最少一个三维监测属性知识向量进行知识归纳，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱，包括：

21、获取设定的所述最少两个监测属性知识簇；

22、在对多个三维监测属性知识向量中任一当前三维监测属性知识向量进行知识归纳时，确定所述当前三维监测属性知识向量与所述最少两个监测属性知识簇分别对应的特征差异；

23、将所述当前三维监测属性知识向量划分到特征差异最小的监测属性知识簇。

24、优选的，所述获取设定的所述最少两个监测属性知识簇，包括：

25、在知识特征坐标系中任意设置最少两个待处理监测属性知识簇；

26、通过过往三维监测属性知识向量对所述最少两个待处理监测属性知识簇在所述知识特征坐标系中的分布标签进行更新，并确定更新前后的相对分布标签差异变量；

27、响应于所述相对分布标签差异变量不大于设定差异变量门限，确定所述最少两个待处理监测属性知识簇在所述知识特征坐标系中的分布标签值；

28、将所述分布标签值作为所述最少两个监测属性知识簇的分布标签值。

29、优选的，所述依据设定的最少两个监测属性知识簇，对多个三维监测属性知识向量中的最少一个三维监测属性知识向量进行知识归纳，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱，包括：

30、确定所述多个三维监测属性知识向量中的最少一个三维监测属性知识向量与所述最少两个监测属性知识簇之间的属性知识特征差异；

31、通过所述属性知识特征差异，对所述最少一个三维监测属性知识向量进行知识向量划分处理，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱。

32、优选的，所述通过所述属性知识特征差异，对所述最少一个三维监测属性知识向量进行知识向量划分处理，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱，包括：

33、通过所述属性知识特征差异，对所述多个三维监测属性知识向量进行知识向量划分处理，并生成三维仿真映射单元关系网，所述三维仿真映射单元关系网中包括三维仿真映射单元以及关系连线，所述三维仿真映射单元用于指示通过所述属性知识特征差异确定的待处理三维监测属性知识向量谱，所述关系连线是配置了权重的有向连线；

34、从所述三维仿真映射单元关系网中获取与所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱。

35、优选的，所述对所述最少两个调整后的监测属性知识簇分别对应的坝体结构状态趋势向量进行知识集成，得到目标坝体结构图像监测决策向量，包括：

36、通过所述最少两个调整后的监测属性知识簇在知识特征坐标系内的分布标签信息，获取所述最少两个调整后的监测属性知识簇分别对应的坝体结构状态趋势向量；

37、将最少两个坝体结构状态趋势向量进行知识集成，得到所述目标坝体结构图像监测决策向量。

38、优选的，所述依据设定的最少两个监测属性知识簇，对多个三维监测属性知识向量中的最少一个三维监测属性知识向量进行知识归纳，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱，包括：

39、在对最少两个第x轮调整后的监测属性知识簇进行第x+1轮调整过程中，对第x+1个坝体结构监测图像对应的三维监测属性知识向量进行知识归纳，并确定最少两个第x轮调整后的监测属性知识簇分别对应的三维监测属性知识向量谱，其中，x为正整数且x小于p，p用于指示所述目标坝体结构图像监测数据中的坝体结构监测图像个数；

40、所述通过所述三维监测属性知识向量谱中三维监测属性知识向量的热力图，对所述最少两个监测属性知识簇进行循环调整，得到最少两个调整后的监测属性知识簇，包括：

41、通过所述三维监测属性知识向量谱中三维监测属性知识向量的热力图，对所述最少两个第x轮调整后的监测属性知识簇进行第x+1轮调整，得到最少两个第x+1轮调整后的监测属性知识簇。

42、优选的，所述依据设定的最少两个监测属性知识簇，对多个三维监测属性知识向量中的最少一个三维监测属性知识向量进行知识归纳，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱，包括：

43、将从多个三维监测属性知识向量中获取的第一个数的三维监测属性知识向量输入坝坡混凝土结构异常分析算法，所述坝坡混凝土结构异常分析算法为已完成调试的坝体结构图像监测数据判别模型，用于对第一个数的三维监测属性知识向量进行坝体结构图像监测数据判别；

44、从多个三维监测属性知识向量中获取除所述第一个数的三维监测属性知识向量之外的第二个数的三维监测属性知识向量；

45、依据设定的最少两个监测属性知识簇，对所述第二个数的三维监测属性知识向量进行知识归纳，并确定所述最少两个监测属性知识簇分别对应的三维监测属性知识向量谱。

46、优选的，所述对所述最少两个调整后的监测属性知识簇分别对应的坝体结构状态趋势向量进行知识集成，得到目标坝体结构图像监测决策向量，包括：

47、获取所述第一个数的三维监测属性知识向量；

48、通过所述最少两个调整后的监测属性知识簇在知识特征坐标系内的分布标签信息，获取所述最少两个调整后的监测属性知识簇分别对应的坝体结构状态趋势向量；

49、将最少两个目标三维监测属性知识向量与所述第一个数的三维监测属性知识向量进行知识集成，得到所述目标坝体结构图像监测决策向量。

50、优选的，所述将最少两个目标三维监测属性知识向量与所述第一个数的三维监测属性知识向量进行知识集成，得到所述目标坝体结构图像监测决策向量，包括：

51、将所述最少两个目标三维监测属性知识向量与所述第一个数的三维监测属性知识向量进行知识向量组合，得到所述目标坝体结构图像监测决策向量。

52、第二方面，本发明还提供了一种人工智能分析系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

53、第三方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

54、本发明实施例提供的技术方案带来的有益效果至少包括：依据设定的最少两个监测属性知识簇，对目标坝体结构图像监测数据对应的多个三维监测属性知识向量中的最少一个三维监测属性知识向量进行知识归纳，并确定最少两个监测属性知识簇分别对应的三维监测属性知识向量谱；基于三维监测属性知识向量谱中三维监测属性知识向量的热力图，对最少两个监测属性知识簇进行循环调整，进而将最少两个调整后的监测属性知识簇分别对应的坝体结构状态趋势向量进行知识集成，得到目标坝体结构图像监测决策向量。在处理多张坝体结构监测图像组成的目标坝体结构图像监测数据时，采用知识归纳的方法，将三维监测属性知识向量划分到对应的监测属性知识簇并对监测属性知识簇进行调整，通过知识向量分簇和监测属性知识簇的循环调整，可以实现三维监测属性知识向量的批量化归纳，且使得所归纳得到的调整后的监测属性知识簇可以丰富、全面地表征多个三维监测属性知识向量的多维监测内容，从而使得基于调整后的监测属性知识簇得到的目标坝体结构图像监测决策向量，能够准确判断目标坝体结构图像监测数据对应的坝坡混凝土结构是否存在异常，这样可以精准、可靠地实现坝坡混凝土结构的异常分析和判别。