一种基于深度学习的房屋结构变形预测方法

摘要文本

本发明属于房屋形变监测技术领域，涉及一种基于深度学习的房屋结构变形预测方法，分析影响房屋结构变形的影响因素，确定动态影响因子，形成因子测量数据序列，使用时变模型对因子测量数据序列进行趋势值计算，通过将趋势值输入深度神经网络模型进行因子重要度计算；获取不同时间段的房屋结构的实际变形监测数据，对实际变形监测数据进行插值法处理；将插值法处理后的变形监测数据和因子重要度最高的S个动态影响因子进行关联映射；基于动态影响因子及其关联映射的变形监测数据，构建多源组合预测模型，输出所有时间段的变形预测总值，大大提高了变形预测精度，有利于帮助监管单位准确的对房屋结构变形进行预测，从而有针对性的提供保护措施。