建筑结构构件的质量风险分析方法专利检索-应变工程电子零件及设备专利检索查询-专利查询网

建筑结构构件的质量 风险分析方法

阅读：658发布：2020-05-12

专利汇可以提供建筑结构构件的质量风险分析方法专利检索，专利查询，专利分析的服务。并且一种建筑结构构件的质量风险分析方法，包括：将结构构件的工程检测、监测数据，保存成计算机可读的格式；采用独立成分分析ICA的方法对自变量数据进行降维试算；采用多元自适应回归MARS对m-1个数据集进行回归分析；依据评估结果，选择最优的一个经ICA降维后的数据集及这个数据集对应的ICA降维维度n；用多元自适应回归MARS的回归得到该结构构件的抗力的预测的最终模型；基于预测的最终模型R以及荷载；采用蒙特卡洛方法对该模型进行模拟，从而得到超越概率或失效概率。本发明给出以失效概率或超越概率为输出的风险分析预测下结论，有利于打通金融保险行业与工程行业的隔阂。，下面是建筑结构构件的质量风险分析方法专利的具体信息内容。

权利要求

1.一种建筑结构构件的质量风险分析方法，其特征在于，包括：
步骤一，将结构构件的工程检测、监测数据，保存成计算机可读的格式，这些数据包括多个变量，其中一个变量为因变量，其他变量为自变量，因变量为该结构构件的抗力；
步骤二，采用独立成分分析ICA的方法对自变量数据进行降维试算，降低后的维度n≤输入数据的维度m，且n进行一个从1维到m-1维的遍历，这一步将得到m-1个数据集；
步骤三，采用多元自适应回归MARS对m-1个数据集进行回归分析，回归分析结果的好坏采用交叉验证的方法进行评估，对m-1个数据集分别给出其评估结果指标为均方差MSE、GCV
2
和R，如下式所示：
其中，yi为第i个因变量的预测值，Yi为第i个因变量的实测值，d＝3,M为多元自适应回归MARS中的基函数个数，N为数据的个数，变量的平均值；
步骤四，依据所述评估结果，选择最优的一个经ICA降维后的数据集及这个数据集对应的ICA降维维度n，选择标准为最低的MSE、最低的GCV、最高的R2，或这三者的任意组合；
步骤五，基于步骤四选择的ICA降维维度n与其对应的降维的全部数据集用于多元自适应回归MARS的回归得到该结构构件的抗力的预测的最终模型R；
步骤六，基于步骤五给出的结构构件的抗力的预测的最终模型R以及荷载Q，给出极限状态方程Z＝R-Q,其中Q可以是依据国家、行业或地方标准里给出的限值，也可以是保险条款里的触发值，或是用户自行制定的值；
步骤七，采用蒙特卡洛方法对该模型进行模拟，从而得到该结构构件的超越概率或失效概率。
2.根据权利要求1所述的方法，其特征在于，所述结构构件包括梁、柱、板、桩和锚杆等。
3.根据权利要求所述的方法，其特征在于，所述工程检测、监测数据包括：现场试验的荷载-位移数据或应力-应变数据、岩土工程勘察报告里的相关数据(岩土层物理、力学参数)、混凝土、钢筋等材料测试数据。
4.根据权利要求1所述的方法，其特征在于，步骤四中和选择标准取决于使用数据人的目的，理想状态是这三个指标指向同一个经ICA降维后的数据集，如果无法满足考虑绝对误差优先时应用MSE，如果考虑对数据规律的捕捉优先时应用R2，如果考虑减小过拟合的为主要目标则应该用GCV。

说明书全文

建筑结构构件的质量 风险分析方法

技术领域

[0001] 本发明涉及建筑领域，特别涉及一种建筑结构构件的质量风险分析方法。

背景技术

[0002] 现有的工程质量控制方法通常是通过工程检测判定工程是否可以验收、是否达到标准要求的合格线，而无法提供基于性能的、给出概率的定量方法。传统工程验收与合格方法对于近年来在国内大力推行的工程质量缺陷保险风险控制机制是不够的(通常无法预测失效概率或超越概率)，但基于大数据的工程质量概率预测方法则是可以打通保险风险控制、费率厘定乃至精算的钥匙。

[0003] 建设工程质量潜在缺陷保险(Inherent defects insurance,IDI)是由建设单位投保的，保险公司根据保险条款约定，对在保险范围和保险期限内出现由于工程质量潜在缺陷所导致的投保建筑物损坏而履行赔偿义务的保险。IDI属于舶来品，欧盟的一些国家，如芬兰、法国、意大利和西班牙很早就开展了的研究和实践，在上述国家IDI是作为一种强制性的保险进行开展。北京、上海和深圳等地都推出了工程质量缺陷保险(IDI)的实施细则时间线，如2019年北京推出的《北京市住宅工程质量潜在缺陷保险暂行管理办法》中规定IDI的基本承保范围为地基基础和主体结构工程(10年)、保温和防水工程(5年)：

[0004] 地基基础和主体结构工程缺陷包括：1.整体或局部倒塌；2.地基产生超出设计规范允许的不均匀沉降；3.基础和主体结构部位出现影响结构安全的裂缝、变形、破损、断裂；4.阳台、雨蓬、挑檐、空调板等悬挑构件出现影响使用安全的裂缝、变形、破损、断裂；5.外墙面脱落、坍塌等影响使用安全的质量缺陷；6.其他地基基础和主体结构部位出现的影响结构安全的工程质量潜在缺陷。

[0005] 保温和防水工程缺陷包括：1.围护结构的保温层破损、脱落；2.地下、屋面、厕浴间防水渗漏；3.外墙(包括外窗与外墙交接处)渗漏；4.其他有防水要求的部位渗漏。

[0006] 评价工程质量的好坏，可以有定性或定量的方法。在定量方法的范畴内，基于蒙特卡洛模拟的概率法可以直观地给出建筑结构构件的失效概率或超越概率，这个概率水平直接地反映了该建筑结构构件质量的好坏，但应用该方法需要已知该结构构件的极限状态方程，数学上极限状态方程Z可通过抗力R和荷载Q表示为：

[0007] Z＝g(R，Q)＝R-Q

[0008] 当(1)Z＞0,建筑结构构件满足功能要求；(2)Z＜0,建筑结构构件失效或其荷载水平Q超越了预设的抗力性能指标R警戒值；(3)Z＝0，建筑结构构件处于临界状态。一定要注意的是，这里的抗力R和荷载Q不光包括力、应力等变量，还可以是变形、沉降、渗流等其他建筑工程中关注的变量。

[0009] 但实际上很多建筑结构构件的极限状态方程是难以获得的，特别是涉及到地下结构构件的极限状态方程，因为地基岩土体性质的不确定性和边界条件的不确定性导致结构构件没有确定的数学和力学模型；有的上部结构构件的极限状态方程是可以获得的但因实际边界条件过于复杂，需要较大的数值模拟计算成本(经济成本)，实际工程中考虑经济效益不去获得。

[0010] 建筑结构构件的工程检测或监测在我国建设工程领域法定应开展的工程质量过程控制和验收手段，本发明提出利用工程检测或监测数据通过大数据和机器学习的方法来建立相应建筑结构构件的极限状态方程，这个方法是纯数据驱动的，因此适用于不同的建筑结构构件类型。不管现有的建筑结构构件是否有已知的极限状态方程，都可以通过本发明提出的方法建立基于检测或监测数据的极限状态方程，并进一步通过蒙特卡洛模拟计算得到建筑结构构件的失效概率或超越概率。

[0011] 现有技术中，输出为概率的风险分析在建设领域内主要是使用了蒙特卡洛方法并且集中在桥梁和隧道工程里，如中国发明专利CN 107844651A中提出的结合有限元模型和基于多项式展开的响应面来建立极限状态方程的方法，本发明专利与其在方法上的主要不同在于如何建立极限状态方程，因为有限元和多项式展开的响应面的建立和求解需要明确的边界条件、计算成本较高、变量取值不易，实际工程中很难应用。

发明内容

[0012] 本发明提供了一种建筑结构构件的质量风险分析方法，以解决上述至少一个技术问题。

[0013] 为解决上述问题，作为本发明的一个方面，提供了一种建筑结构构件的质量风险分析方法，包括：

[0014] 步骤一，将结构构件的工程检测、监测数据，保存成计算机可读的格式，这些数据包括多个变量，其中一个变量为因变量，其他变量为自变量，因变量为该结构构件的抗力；

[0015] 步骤二，采用独立成分分析ICA的方法对自变量数据进行降维试算，降低后的维度n≤输入数据的维度m，且n进行一个从1维到m-1维的遍历，这一步将得到m-1个数据集；

[0016] 步骤三，采用多元自适应回归MARS对m-1个数据集进行回归分析，回归分析结果的好坏采用交叉验证的方法进行评估，对m-1个数据集分别给出其评估结果指标为均方差MSE、GCV和R2，如下式所示：

[0017]

[0018]

[0019]

[0020] 其中，yi为第i个因变量的预测值，Yi为第i个因变量的实测值，d＝3,M为多元自适应回归MARS中的基函数个数，N为数据的个数，变量的平均值；

[0021] 步骤四，依据所述评估结果，选择最优的一个经ICA降维后的数据集及这个数据集对应的ICA降维维度n，选择标准为最低的MSE、最低的GCV、最高的R2，或这三者的任意组合；

[0022] 步骤五，基于步骤四选择的ICA降维维度n与其对应的降维的全部数据集用于多元自适应回归MARS的回归得到该结构构件的抗力的预测的最终模型R；

[0023] 步骤六，基于步骤五给出的结构构件的抗力的预测的最终模型R以及荷载Q，给出极限状态方程Z＝R-Q,其中Q可以是依据国家、行业或地方标准里给出的限值，也可以是保险条款里的触发值，或是用户自行制定的值；

[0024] 步骤七，采用蒙特卡洛方法对该模型进行模拟，从而得到该结构构件的超越概率或失效概率。

[0025] 优选地，所述结构构件包括梁、柱、板、桩和锚杆等。

[0026] 优选地，所述工程检测、监测数据包括：现场试验的荷载-位移数据或应力-应变数据、岩土工程勘察报告里的相关数据(岩土层物理、力学参数)、混凝土、钢筋等材料测试数据。

[0027] 优选地，步骤四中和选择标准取决于使用数据人的目的，理想状态是这三个指标指向同一个经ICA降维后的数据集，如果无法满足考虑绝对误差优先时应用MSE，如果考虑对数据规律的捕捉优先时应用R2，如果考虑减小过拟合的为主要目标则应该用GCV。

[0028] 本发明的优点在于：

[0029] 1)本发明是纯数据驱动的，适用于各种建筑结构构件。

[0030] 2)本发明基于的工程检测、数据通常来自于工程过程和验收环节法定须完成的质量控制项目，也可以单独额外采集检测或监测数据来使用本方法。

[0031] 3)本发明给出以失效概率或超越概率为输出的风险分析预测下结论，有利于打通金融保险行业与工程行业的隔阂。附图说明

[0032] 图1示意性地示出了本发明的流程图；

[0033] 图2示意性地示出了抗浮锚杆拉拔试验装置示意图；

[0034] 图3示意性地示出了锚杆荷载-位移预测模型的建模与模型验证过程；

[0035] 图4示意性地示出了MSE和GCV在不同ICA维度下的表现；

[0036] 图5示意性地示出了R2在不同ICA维度下的表现；

[0037] 图6示意性地示出了锚杆实测变形值与ICA-MARS模型预测值的对比；

[0038] 图7示意性地示出了锚杆荷载-位移曲线：实测值与ICA-MARS模型预测值的对比。

具体实施方式

[0039] 以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

[0040] 本发明提供了一种建筑结构构件的质量风险分析方法，其本质上是一种基于建筑工程检测和监测数据建立的评估建筑结构构件质量的数学模型，这个数学模型包含本发明自主创新的关键技术、具体实施算法和步骤。模型的输入是工程检测和监测数据，模型的输出是(超越或失效)概率，这个模型是纯数据驱动的即不用针对不同的建筑结构构件类型进行变更模型。

[0041] 本发明的目的是：直接基于工程中法定必有的工程检测或监测数据，采用本发明自主创新的机器学习的方法获得建筑结构构件的极限状态方程和统计相互独立的方程变量。在此基础上采用通用的蒙特卡洛模拟的方法求得建筑结构构件的失效概率或超越概率，为工程保险风险控制提供直观的依据。

[0042] 从工程检测或监测数据到失效概率或超越概率，本发明提出的基于机器学习和蒙特卡洛模拟结合的方法是ICA-MARS-MC，其中ICA代表独立主成分分析算法、MARS是指多元自适应回归样条、MC是指蒙特卡洛模拟，ICA-MARS-MC将三种算法形成算法链条以弥补彼此的不足和提高预测的精度。ICA-MARS-MC的具体步骤可描述如下：

[0043] 步骤一：将结构构件如梁、柱、板、桩和锚杆等等的工程检测、监测数据如现场试验的荷载-位移数据或应力-应变数据，岩土工程勘察报告里的相关数据(岩土层物理、力学参数)、混凝土、钢筋等材料测试数据的通过自动或手动的方式保存成计算机可读的格式，如excel 电子表格、csv格式等，通常这些数据是有多个维度(变量)的，其中某一个变量为该结构构件的抗力，这个变量是这里作为因变量(预测的对象)，其他变量是自变量；

[0044] 步骤二：采用独立成分分析ICA的方法对步骤一输入的自变量数据进行降维试算，降低后的维度n≤输入数据的维度m，且n进行一个从1维到m-1维的遍历，这一步将得到m-1个数据集；

[0045] 步骤三：采用多元自适应回归MARS对步骤二中得到的m-1个数据集进行回归分析，回归分析结果的好坏采用交叉验证的方法进行评估，对m-1个数据集分别给出其评估结果指标为均方差MSE,GCV，和R2，如下式所示：

[0046]

[0047]

[0048]

[0049] 式中yi为第i个因变量的预测值，Yi为第i个因变量的实测值，d＝3,M为多元自适应回归MARS中的基函数个数，N为数据的个数，为变量的平均值。

[0050] 其中，均方差MSE是预测数据和原始数据对应点误差的平方和的均值；广义交叉验证均方差GCV是以MSE为分子的的基础上，在分母里描述模型复杂程度，从而综合考虑模型泛化能力与精度的指标；决定系数R2是常用的评价模型的指标，分子部分表示真实值与预测值的平方差之和，类似于均方差MSE；分母部分表示真实值与均值的平方差之和，R2取值范围为[0,1]，一般情况越接近1说明模型效果越好

[0051] 步骤四：依据步骤三中的评估结果，选择最优的一个经ICA降维后的数据集及这个数据集对应的ICA降维维度n，选择标准为最低的MSE、最低的GCV、最高的R2，或这三者的任意组合，取决于使用数据人的目的，如理想状态是这三个指标指向同一个经ICA降维后的数据集，如无法满足考虑绝对误差优先时应用MSE，如考虑对数据规律的捕捉优先时应用R2，如考虑减小过拟合的为主要目标则应该用GCV。

[0052] 步骤五：基于步骤四选择的ICA降维维度n与其对应的降维的全部数据集(注意是全部，不是步骤三的交叉验证法)用于多元自适应回归MARS的回归得到该结构构件的抗力的预测的最终模型R；

[0053] 步骤六：基于步骤五给出的结构构件的抗力的预测的最终模型R以及荷载Q，给出极限状态方程Z＝R-Q,其中Q可以是依据国家、行业或地方标准里给出的限值，也可以是保险条款里的触发值，或是用户自行制定的值；

[0054] 步骤七：采用蒙特卡洛方法对该模型进行模拟，从而得到该结构构件的超越概率或失效概率(即统计Z<0在蒙特卡洛模拟中所占的比例＝该结构构件的超越概率或失效概率)。

[0055] 基于机器学习和蒙特卡洛模拟结合的方法，其有益之处在于：

[0056] (1)使用ICA作为数据前处理不仅实现了数据降维的作用，而且通过ICA分析得到统计相互独立的隐性维度比单独进行回归分析能有效提高预测精度；

[0057] (2)由ICA变换得到的变量是相互独立的，这为使用MC方法时进行随机抽样生成相互独立的样本提供了依据，避免了原数据集在相关系数矩阵拟合上因样本稀疏造成的不确定性；

[0058] (3)MARS给出的显式预测模型不仅方便工程师有更为直观的理解相比有限元方法等的数值计算也极大地降低了计算成本，为后续使用MC时显著增加样本数量以提高计算精度提供了可能。

[0059] 本发明的关键与创新之处在于：

[0060] 1)本发明第一步必须使用独立成分分析ICA算法进行降维，获得统计相互独立的一组降维后的变量。

[0061] 2)本发明采用在MARS回归分析以后的交叉验证选择ICA算法降维的维度。

[0062] 3)本发明建立的建筑结构构件抗力预测模型R是在交叉验证确定了ICA降维的维度后通过MARS回归分析建立的，即MARS回归分析这一步的输入是ICA降维后的输出。

[0063] 3)本发明因第一步ICA的使用，在最后一步MC蒙特卡洛模拟时的随机抽样不用考虑变量之间的相关性，因这些变量在ICA变换后是统计不相关的。

[0064] 本发明的优点在于：

[0065] 1)本发明是纯数据驱动的，适用于各种建筑结构构件。

[0066] 2)本发明基于的工程检测、数据通常来自于工程过程和验收环节法定须完成的质量控制项目，也可以单独额外采集检测或监测数据来使用本方法。

[0067] 3)本发明给出以失效概率或超越概率为输出的风险分析预测下结论，有利于打通金融保险行业与工程行业的隔阂。

[0068] 实施例：工程抗浮锚杆变形预测和失效概率评估案例

[0069] 本实施例为典型的建筑地下结构构件抗浮锚杆的工程检测验收阶段中，对抗浮锚杆工程进行的抽样拉拔试验。试验采用穿芯千斤顶和锚具作为拉拔装置，反力通过钢板传至地面。试验时采用油压千斤顶分级加、卸荷载，以手动油泵上的压力表控制每级加载量，加载同时使用位移传感器量测锚头受拔时的位移量。

[0070] 一、工程概况

[0071] 工程位于深圳市龙华区，占地面积约54607.07m2，底部设有5层商业裙楼，上部设有6座超高层塔楼(1座办公和5座商住楼)；其中办公楼(44F)250m，商住楼中4座(48+4F)165m、1座(29+4F)109.9米，地下4层，埋深约18m。建筑结构形式：主楼采用剪力墙结构；裙房采用框架结构、地下室采用板柱结构。工程地基基础设计等级为甲级，建筑基桩设计等级为甲级。设计基础形式：桩基础、墩基础、天然岩石地基和抗浮锚杆。对于抗浮锚杆，要求为岩石锚杆，入岩深度不小于3.5m，成孔直径180mm、配筋3根32mm HRB400，抗拔承载力特征值
450kN。

[0072] 表1工程天然地基力学参数建议表

[0073]

[0074] 二、ICA-MARS-MC模型的建立

[0075] 1.ICA维度的确定与模型验证

[0076] 针对工程的检测验收有87根抗浮锚杆进行了拉拔试验获得了783组试验数据，依据数据划分方法，我们开展了如图3所示的建模与模型验证过程。其中ICA和MARS都是纯数据驱动的算法，但ICA算法输出的维度通常却是由人为设定的标准来确定的，那如何在本项目中确定ICA输出的维度呢？

[0077] 本项目提出采用交叉验证的方法来选取最优的ICA维度，即通过5折交叉验证的方法试算不同的ICA维度下5折交叉验证平均的MSE,GCV和R2三个模型评价指标，以完成对ICA维度的选取。如图4和图5所示，当ICA维度为11时，5折交叉验证模型给出的MSE和GCV的平均值最小，R2最高，因此对于这样仅对ICA维度一个变量进行控制的试算来对比交叉验证的平均结果能够明显地指出当ICA维度为11时的模型是最优的。

[0078] 在确定ICA维度的同时，5折交叉验证的方法对模型进行了验证，结果可知MSE＝1.96,GCV＝2.89,R2＝0.92，这一精度对于实际的岩土工程问题应是可以接受的。

[0079] 2.预测模型

[0080] 通过上述交叉验证的模型过程，ICA-MARS(ICA维度＝11)的模型可以被确认为最终预测使用的模型，因此所有已知的数据都将被用于模型的训练以获得模型的参数以建立精度最好的预测模型。最终预测模型以11个ICA变量的以ICAi(i＝0 to 10)给出显示的预测模型如表2所示，模型的评价指标计算结果如下：MSE＝1.8159,GCV＝2.6202,R2＝0.9233。图6和图7分别给出了锚杆实测变形值以及荷载-位移曲线的对比图，可以发现从对变形值的预测和荷载-位移曲线形态的模拟上，ICA-MARS(ICA维度＝11)的模型都给出了较好的效果。

[0081] 表2 ICA-MARS预测模型

[0082]基函数BF 系数βm 基函数BF 系数βm
截距 -164.95 h(-0.11089-ICA3) 362.45
h(ICA10-0.0105835) -3600.26 h(ICA7+0.0742366) 69.1896
h(0.0105835-ICA10) 4288.52 h(ICA7+0.219545) 162.601
h(ICA2-0.0175126) -469.376 h(-0.219545-ICA7) -319.813
h(0.0175126-V2) 410.445 h(0.0379017-ICA10) -188.226
h(0.068245-ICA10) -1029.26 h(0.220921-ICA2) 182.498
h(ICA10-0.051618) 486.973 h(0.0727203-ICA10) 442.368
h(-0.0289058-ICA4) -113.691 h(ICA0-0.075522) -77.0152
h(0.0603567-ICA4) 80.2604 h(ICA4-0.0807966) 97.4059
h(0.0445167-ICA0) 174.393 h(-0.22519-ICA6) 77.3032
h(ICA5+0.0901701) 14621.9 h(ICA5+0.0208572) 225.696
h(-0.0901701-ICA5) -1556.77 h(ICA5-0.0086334) -131.23
h(ICA5+0.0922799) -14644.2 h(ICA5-0.0580034) 45.5171
h(ICA10+0.0154523) -513.484 h(ICA9+0.151809) -349.425
h(-0.0788279-ICA0) -155.33 h(ICA10-0.119567) -172.238
h(0.0247939-ICA7) 126.578

[0083] 3.蒙特卡洛方法计算失效概率

[0084] 前面ICA算法的使用极大地方便了蒙特卡洛方法应用时的抽样过程，这是因为由ICA输出的11个变量都是统计相互独立的，因此在蒙特卡洛模拟中生成随机数时不用考虑不同变量之间的关系即相关系数为0，这在技术上解决了一个重要的问题：在样本量较小、数据分布较为稀疏的时候，从样本拟合变量间的真实的相关系数或协方差矩阵都是可能存在较大误差的，而如果变量本身就是统计相互独立的即相关系数为0则在蒙特卡洛模拟中生成随机数时则可避免这样的误差。

[0085] 本项目中采用了Python的基本函数numpy.random()生成随机数，得益于计算机处理ICA-MARS显式模型即表4.2的高效率，在各次计算中采用的随机样本数皆为一千万次，得到的计算结果如表3所示，超越概率对应的变异系数极本都小于0.05％。平均32s的计算时间也满足实际工程中的效率要求。

[0086] 表3蒙特卡洛模拟计算结果

[0087]

[0088] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

标题	发布/更新时间	阅读量
电磁器件分析中电磁-热-应力三场去耦合计算方法	2020-05-08	1012
一种基于应变监测的弹性支承板的变形监测方法	2020-05-11	870
管子-管板接头柔性静压胀接机理分析方法	2020-05-11	428
双级加筋土结构潜在破裂面的位置确定方法及装置	2020-05-12	77
一种管道连头焊接装配残余应力的检测和评定方法	2020-05-08	775
一种采动岩体内部新生剪切裂纹尺度的量化方法	2020-05-11	191
一种模拟环形隧洞流质充填衬砌支护结构受力的装置及方法	2020-05-13	288
一种抗冲击的流质充填衬砌支护结构及施工方法	2020-05-08	818
一种建筑工程监理用检测装置	2020-05-11	315
一种大范围软土场地土体参数连续测量装置	2020-05-12	85

建筑结构构件的质量风险分析方法

建筑结构构件的质量风险分析方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：