基于北斗和向量机的建筑物震害预测方法
【技术领域】：
[0001] 本发明设及一种基于北斗和向量机的建筑物震害预测方法，属于建筑物震害技术 领域。
【背景技术】：
[0002] 目前常用的震害预测方法包括易损性分析法、树状图分析法、直接统计分析法、当 量统计法、专家评估法、结构反映分析法、震害潜势分析法。现有的传统建筑物震害预测方 法存在两方面的不足:一个方面是预测方法所设及的基础数据或者操作过程过于复杂，对 于大规模的群体建筑的震害预测来说，方案从时间和劳动成本上来说显然不可行；另一个 方面，预测过程中可能需要主观的设定一些参数或者权重，所W结果不够客观和准确。
【发明内容】
：
[0003] 针对上述问题，本发明要解决的技术问题是提供一种基于北斗和向量机的建筑物 震害预测方法。
[0004] 本发明的一种基于北斗和向量机的建筑物震害预测方法，它的预测方法为：
[0005] 步骤一:通过北斗地震灾害监测系统获取建筑物相关信息，从中选取样本数据;对 于建筑物样本数据的特征因子等进行去量纲、归一化预处理；
[0006] 步骤二:将样本数据分为训练样本数据和检验样本数据，选取合适的核函数，采用 格网捜索方式对训练样本数据进行LOO-CV交叉验证寻优，获取模型最优参数，利用LVBSVM 软件，进行预测模型的建立；
[0007] 步骤检验模型:运用检验样本进行分类结果精度的对比，并不断调整核函数及 相关参数的选取，获得可靠性、准确性相对最高的北斗和向量机模型；
[000引步骤四：由最优模型对实际的大区域的建筑物信息数据进行地震灾害预测评估， 分等定级。
[0009] 作为优选，所述的步骤二中的LOO-CV交叉验证寻优方法为:设训练样本数据有N个 样本，将每个样本单独作为验证集，其余的N-I个样本作为训练集，首先用训练集对分类器 进行训练，得到N个模型，再利用验证集来测试训练得到的模型，用运N个模型最终的验证集 的分类准确率的平均数作为评价LOO-CV分类器的性能指标。
[0010] 本发明的有益效果为:提高了预测的可靠性、准确性与速度，操作简便，劳动力低。
【附图说明】：
[0011] 为了易于说明，本发明由下述的具体实施及附图作W详细描述。
[0012] 图1为本发明的流程图。
【具体实施方式】：
[0013] 为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体 实施例来描述本发明。但是应该理解，运些描述只是示例性的，而并非要限制本发明的范 围。此外，在W下说明中，省略了对公知结构和技术的描述，W避免不必要地混淆本发明的 概念。
[0014] 如图1所示，本【具体实施方式】采用W下技术方案:它的预测方法为：
[0015] 步骤一:通过北斗地震灾害监测系统获取建筑物相关信息，从中选取样本数据;对 于建筑物样本数据的特征因子等进行去量纲、归一化预处理；
[0016] 步骤二:将样本数据分为训练样本数据和检验样本数据，选取合适的核函数，采用 格网捜索(Grid Search)方式对训练样本数据进行LOO-CV交叉验证寻优，获取模型最优参 数(包括惩罚因子C和g系数），利用LVBSVM软件，进行预测模型的建立；
[0017] 步骤检验模型:运用检验样本进行分类结果精度的对比，并不断调整核函数及 相关参数的选取，获得可靠性、准确性相对最高的北斗和向量机模型；
[0018] 步骤四：由最优模型对实际的大区域的建筑物信息数据进行地震灾害预测评估， 分等定级。
[0019] 进一步的，所述的步骤二中的LOO-CV交叉验证寻优方法为:设训练样本数据有N个 样本，将每个样本单独作为验证集，其余的N-I个样本作为训练集，首先用训练集对分类器 进行训练，得到N个模型，再利用验证集来测试训练得到的模型，用运N个模型最终的验证集 的分类准确率的平均数作为评价LOO-CV分类器的性能指标。
[0020] 实施例：
[0021] 本实施例为:基于北斗和向量机与单体力学对震害的预测结果对比如下：
[0023] 通过对比，不难发现，通过基于北斗和向量机方法建筑物震害预测所得到的结果 与力学单体建筑物震害预测所得到的结果大体一致，只有对于省教委办公楼震害有一个等 级的差异，运个模型运用实例说明了基于北斗和向量机的建筑物震害预测模型的可靠性和 准确性。相对于时间和劳动成本相对较高的传统预测方法，基于北斗和向量机的方法简便 可行，优势突出。
[0024] W上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术 人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本 发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，运些变 化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。
【主权项】
1. 基于北斗和向量机的建筑物震害预测方法，其特征在于:它的预测方法为： 步骤一:通过北斗地震灾害监测系统获取建筑物相关信息，从中选取样本数据;对于建 筑物样本数据的特征因子等进行去量纲、归一化预处理； 步骤二:将样本数据分为训练样本数据和检验样本数据，选取合适的核函数，采用格网 搜索方式对训练样本数据进行LOO-CV交叉验证寻优，获取模型最优参数，利用LVBSVM软件， 进行预测模型的建立； 步骤三:检验模型:运用检验样本进行分类结果精度的对比，并不断调整核函数及相关 参数的选取，获得可靠性、准确性相对最高的北斗和向量机模型； 步骤四：由最优模型对实际的大区域的建筑物信息数据进行地震灾害预测评估，分等 定级。2. 根据权利要求1所述的基于北斗和向量机的建筑物震害预测方法，其特征在于:所述 的步骤二中的LOO-CV交叉验证寻优方法为:设训练样本数据有N个样本，将每个样本单独作 为验证集，其余的N-1个样本作为训练集，首先用训练集对分类器进行训练，得到N个模型， 再利用验证集来测试训练得到的模型，用这N个模型最终的验证集的分类准确率的平均数 作为评价LOO-CV分类器的性能指标。
【专利摘要】本发明公开了一种基于北斗和向量机的建筑物震害预测方法，它涉及建筑物震害技术领域，它的预测方法为：步骤一：通过北斗地震灾害监测系统获取建筑物相关信息，从中选取样本数据；对于建筑物样本数据的特征因子等进行去量纲、归一化预处理；步骤二：将样本数据分为训练样本数据和检验样本数据，选取合适的核函数，采用格网搜索方式对训练样本数据进行LOO-CV交叉验证寻优，获取模型最优参数，利用LVBSVM软件，进行预测模型的建立；步骤三：检验模型；步骤四：由最优模型对实际的大区域的建筑物信息数据进行地震灾害预测评估，分等定级；本发明的提高了预测的可靠性、准确性与速度，操作简便，劳动力低。
【IPC分类】G06Q10/04, G06F17/50
【公开号】CN105528657
【申请号】CN201610022660
【发明人】安庆, 陈西江, 柳涛, 吴浩
【申请人】武汉福天通科技有限公司
【公开日】2016年4月27日
【申请日】2016年1月13日