心j=fd'g.求得建筑物的倾斜角度预测值
[015引更进一步的，在需要优化的函数表达式加入正则化项和偏置部分后，需要优化的 函数表达式构建如下
[0159] 对应的，构建加入正则化项和偏置部分后的函数后，通过如下步骤来实现：
[0160] 首先，求函数L对bd的梯度R化d):
[0164] 求函数L对于屯的梯度R(s):
[0165]
[0166] 其中，y表示建筑物的倾斜角度测量值的总体趋势，bd为风向偏置，表示某一特定 风向对建筑物倾斜角度的影响，其独立于建筑物对风速的反应特征，b,为风速偏置，表示某 一特定风速对建筑物倾斜角度的影响，其为独立于建筑物对风向的反应特征，偏置部分表 示为b<is=y+bd+bs。
[0167] 其次，采用梯度下降法得到bd向其负梯度方向的迭代运算公式为：
[016引采用梯度下降法得到b,向其负梯度方向的迭代运算公式为；
[0169] 采用梯度下降法得到Pd向其负梯度方向的迭代运算公式为：
[0170] 采用梯度下降法得到q,向其负梯度方向的迭代运算公式为
[0171] 进而，将函数L对于bd的梯度R化d)代入向其负梯度方向的迭代运算公式，得 到bd=b扣n?知曰-A?bd)。
[017引将函数L对于b,的梯度R化代入b,向其负梯度方向的迭代运算公式，得到b,= bs+2 n ?知日-入? bs)。
[017引将函数L对于Pd的梯度R(d)代入Pd向其负梯度方向的迭代运算公式，得到Pd=Pd巧n? (6ds?Qs-入?Pd)，其中，6ds=rds_y-bd-bs-Pd?Qs。
[0174] 将函数L对于ca勺梯度R(s)代入q,向其负梯度方向的迭代运算公式，得到q,= Qs巧n? (6ds?P广入?Qs)，其中，6ds=rds_y-bd-bs-Pd?Qs。
[0175] 最后，根据最终得到的风向d的向量值，最终得到的风速s的向量值W及最终得到 的风向偏置bd的值和风速偏置bJ勺值，利用公式^ + +A, -9,求得建筑物的倾 斜角度预测值。
[0176] 在数据矩阵中表示的建筑物的倾斜角度中，有一部分是只取决于风向或风速 的本身特性的。如；对于某些风向来说，它导致建筑物的倾斜角度普遍偏大，而另一些 风向可能导致建筑物的倾斜角度偏小，该些风向导致建筑物倾斜时是独立的，与风速等 其他的因素无关。相应的，一些风速也与之类似。我们把该些独立的风向、风速与建筑 物的交互称为偏置炬ias)部分，将风向、风速联合起来与建筑物的倾斜角度的交互称 为建筑物对风的个性化反应部分，偏置部分表示为bd,=y+bd+lv由上式可W看出， 偏置部分包括S个子部分，分别是测量数据中所有倾斜角度测量值的全局平均数y，其 表示了倾斜角度测量值的总体趋势，对于固定的数据集，它是一个常数。风向偏置bd， 其是独立于建筑物对风速的反应特征的因素，表示某一特定风向对建筑物的倾斜角度 的影响。风速偏置Iv其是独立于建筑物对风向的反应特征的因素，表示某一特定风 速对建筑物的倾斜角度的影响。本发明将偏置部分当作基本预测，在此基础上添加建 筑物倾斜角度对特定风向与风速组合的个性化反应部分，得到W偏置部分为基本预测 的倾斜角度的预测公式天
g此，需要优化的函数表达式变为
"其采用偏置部分为 基本预测，添加建筑物倾斜角度对特定风向与风速组合的个性化反应部分，使得建筑物倾 斜角度预测值更加精确。
[0177] 具体的，步骤S200时还步骤如下步骤：
[0178] S200a，判断前一次迭代所得的倾斜角度预测值与倾斜角度测量值的均方根误差 和后一次迭代所得的倾斜角度预测值与倾斜角度测量值的均方根误差的差值的绝对值是 否小于预设阔值；若是，则执行结束的步骤，并输出后一次迭代所得的倾斜角度预测值；若 否，则继续执行采用矩阵分解法和梯度下降法，对数据矩阵中已知的倾斜角度测量值进行 拟合，得到数据矩阵中各点对应的建筑物的倾斜角度预测值的步骤。
[0179] 在另外一个实施例中，步骤S200还包括如下步骤；
[0180] S200b，判断后一次迭代所得的倾斜角度预测值与倾斜角度测量值的均方根误差 是否大于前一次迭代所得的倾斜角度预测值与倾斜角度测量值的均方根误差；若是，则执 行结束的步骤，并输出前一次迭代所得的倾斜角度预测值；若否，则继续执行采用矩阵分解 法和梯度下降法，对数据矩阵中已知的倾斜角度测量值进行拟合，得到数据矩阵中各点对 应的建筑物的倾斜角度预测值的步骤。
[018。风向d的向量Pd和风速S的向量q,的迭代过程可W看作在一个K维超空间的曲 面上寻找极值点（极小值）的过程，每迭代一次相当于寻找一个比前一次更低的位置，因 此，当两次迭代结果的均方根误差的差值的绝对值小于预设阔值时，说明两次迭代的结果 比较接近，趋向于极值点，且后一次迭代的结果更趋向于该极值点，因此输出后一次迭代的 结果。若后一次迭代结果的均方根误差大于前一次迭代结果的均方根误差时，说明前一次 的迭代结果在该算法中是最接近极值点的，因此输出前一次迭代的结果。
[0182] 本领域普通技术人员可W理解实现上述实施例方法中的全部或部分流程，是可W 通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质 中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁 碟、光盘、只读存储记忆体化eacHDnly Memo巧，ROM)或随机存储记忆体（Random Access Memoir，RAM)等。
[0183] 基于同一发明构思，本发明还提供了一种建筑物倾斜角度的预测系统，由于此系 统解决问题的原理与前述一种建筑物倾斜角度的预测方法相似，因此该系统的实施可W参 见前述方法的实施，重复之处不再寶述。
[0184] 本发明一实施例提供的建筑物倾斜角度的预测系统，参见图2,包括读取导入模块 100,拟合模块200,数集模块300和获取比较模块400。其中；读取导入模块100,被配置 W读取建筑物在至少2个不同风向和不同风速下的倾斜角度测量值，并将倾斜角度测量值 导入到风向为纵坐标轴、风速为横坐标轴的数据矩阵中。拟合模块200,被配置W采用矩阵 分解法和梯度下降法，对数据矩阵中已知的倾斜角度测量值进行拟合，得到数据矩阵中各 点对应的建筑物的倾斜角度预测值，并在倾斜角度测量值与所求得的数据矩阵中对应的倾 斜角度预测值的均方根误差满足预设条件时，输出数据矩阵中所有点对应的倾斜角度预测 值。数集模块300,被配置W获取输出的所述倾斜角度预测值，将数据矩阵中各个点对应的 倾斜角度预测值与预设倾斜角度阔值进行比较，并将超出预设倾斜角度阔值的所有倾斜角 度预测值在数据矩阵中对应点处的风向和风速进行保存，形成易倾斜风向风速数集。获取 比较模块400,被配置W获取建筑物所处环境在未来一段时间内的风向和风速的预报值，将 所获取的建筑物的风向和风速的预报值与所述易倾斜风向风速数集中的各点处的风向和 风速进行比较，当所获取的风向和风速的预报值落入易倾斜风向风速数集中的风向和风速 的预设范围时，发出预警的信号。
[0185]本发明实施例的建筑物倾斜角度的预测系统，通过矩阵分解法和梯度下降法预测 建筑物在给定风向、风速下的倾斜角度，充分挖掘倾斜角度已有数据中蕴含的信息，实现了 对未知数据的预测功能，对建筑物在一定范围内风向、风速下的倾斜情况作宏观分析，保证 了数据分析结果的精确性，增加了后续数据分析的精确性，在获取的风向和风速的预报值 落入超出预设倾斜角度阔值的倾斜角度预测值对应的风向和风速的预设范围时，及时发出 预警信号，提醒相关人员采取应对措施，有效提高了建筑物监测系统数据分析的性能。并 且，其能获知造成建筑物倾斜的原因中风向、风速中各自所占的比例，确定哪个是最主要的 原因。同时，其还实现全年无人值守不间断自动计算，最大程度的利用了传感器采集的建筑 物倾斜角度和风向、风速及其对应关系提供的额外信息量，有效提高了建筑物监测系统数 据分析的性能，并在建筑物所处环境为易发生倾斜的环境时，发出信号提醒工作人员采取 相应措施，避免建筑物倒塌的发生，工作人员无需实地进行勘察，节省了人力成本。
[0186]作为一种可实施方式，拟合模块200包括第一函数构建单元201a，第一风向梯度 单元202a，第一风速梯度单元203a，第一风向迭代公式单元204a，第一风速迭代公式单元 205a，第一风向迭代运算单元206a，第一风速迭代运算单元207a和第一预测值获得单元 208a。
[0187] 其中；第一函数构建单元201a，被配置W采用最小化均方根误差方法，构建需要 优化的函数表达式：
[018 引
[0189]其中，建筑物的倾斜角度的预测公式为nl,=ivg,，Pd为风向d的向量，q为风速S的 向量，K为建筑物经历的风向和风速的集合，为特定风向d与风速S的组合出现时建筑物的倾 斜角度测量值，L为倾斜角度测量值与倾斜角度预测值均方根误差的最小值。第一风向梯度单 元20化，被配置W求函数L对于Pd的梯度R(d)
第一风速梯度单元203a，被配置W求函数L对于屯的梯度R(s):
。第一风向迭代公式单元 204a，被配置W采用梯度下降法得到Pd向其负梯度方向的迭代运算公式为：
第一风速迭代公式单元205a，被配置W采用梯度下降法得到q,向其负梯度方向的迭代运算公 式为；斯=皆、-。第一风向迭代运算单元206a，被配置W将函数L对于化的梯度R(d) 代入化向其负梯度方向的迭代运算公式，得到Pd=Pd+2n ?e&'qs。第一风速迭代运算单元 207a，被配置队隐函数L对于屯的梯度R(s)代入ds向其负梯度方向的迭代运算公式，得到Qs= 屯+2n -e&-Pd，其中；n为学习率。第一预巧帷获得单元208a，被配置W根据最终得到的风向 d的向量值和最终得到的风速S的向量值，利用公式' 9*求得所述建筑物的倾斜角度预巧U 值。
[0190] 进一步的，参见图3,拟合模块200包括第二函数构建单元20化，第二风向梯度 单元20化，第二风速梯度单元203b，第二风向迭代公式单元204b，第二风速迭代公式单元 205b，第二风向迭代运算单元20化，第二风速迭代运算单元20化和第二预测值获得单元 208b 〇
[0191] 其中；第二函数构建单元20化，被配置W采用最小化均方根误差方法，并加入正则 化项后构建需要优化的函数表达式如下：
其中，建筑物的倾斜角度的预测公式为=化乂，Pd为风向d的向量，q ,为风 速S的向量，K为建筑物经历的风向和风速的集合，rd,为特定风向d与风速S的组 合出现时建筑物的倾斜角度测量值，L为倾斜角度测量值与倾斜角度预测值均方根 误差的最小值。第二风向梯度单元32化，被配置W求函数L对于Pd的梯度R(d):
。第一风速梯 度单元33化，被配置W求函数L对于q,的梯度R(s):
。第一风向迭代公式单元34化，被配 置W采用梯度下降法得到Pd向其负梯度方向的迭代运算公式为：
第一风 速迭代公式单元35化，被配置W采用梯度下降法得到屯向其负梯度方向的迭代运算公式 为
。第一风向迭代运算单元36化，被配置W将函数L对于Pd的梯度R(d)代 入Pd向其负梯度方向的迭代运算公式，得到Pd=Pd+2n ? (eds'Qs-^ *Pd)。第一风速迭 代运算单元37化，被配置W将函数L对于屯的梯度R(s)代入q ,向其负梯