(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211263938.3 (22)申请日 2022.10.14 (71)申请人 中交四航工程研究院有限公司 地址 510000 广东省广州市海珠区前进路 157号 申请人 中交第四航 务工程局有限公司 　 中交广连高速公路投资发展 有限公 司 (72)发明人 李治学　刘梅梅　王爱溪　高何杰　 桑登峰　宁锋　 (74)专利代理 机构 广州君咨知识产权代理有限 公司 44437 专利代理师 谭启斌 (51)Int.Cl. G06F 30/27(2020.01)G06F 30/13(2020.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06F 17/16(2006.01) G06F 111/08(2020.01) (54)发明名称 基于时域数据的桥梁结构参数修正模型建 立及预测方法 (57)摘要 本发明公开一种基于时域数据的桥梁结构 参数修正模型建立及预测方法， 包括： 选定桥梁 结构至少一类的待修正参数； 将每一类待修正参 数作为训练样本； 获得在每一个测点位置上每一 类待修正参数所对应的测点加速度时程数据系 列并作为采样点； 对测点加速度时程数据系压缩 转换为累计强度值， 并输入数据， 从而构建训练 样本集； 建立盲克里金模型， 将训练样本集输入 至盲克里金模型， 采用贝 叶斯变量选择算法， 确 定出重要变量， 并通过设定盲克里金模型中的参 数k从0开始进行迭代， 最终找到k的最优值， 从最 优值中找出盲克里金模型的其他对应参数， 将这 些参数代入盲克里金模型， 得到最终的盲克里金 模型。 本发 明基于时域数据能够对桥梁结构参数 进行修正。 权利要求书4页 说明书12页 附图1页 CN 115510759 A 2022.12.23 CN 115510759 A 1.一种基于时域数据的桥梁结构参数修 正模型建立方法， 其特 征在于， 包括以下步骤： 步骤1： 选 定桥梁结构至少一类的待修 正参数； 步骤2： 将每一类待修正参数作为训练样本y， 训练样本y的样本点数量为N ×n， N和n均 为大于1的正整数； 步骤3： 确定至少两组动力时程的测点位置， 在各个测点位置上进行测量， 获得在每一 个测点位置上每一类待修正参数所对应的测点加速度时程数据系列， 测点加速度时程系列 作为采样点； 步骤4： 对测点加速度时程数据系列按公式 ①进行压缩， 得到累计强度值CI( δ )： 式中， a(t)表示t时的加速度值， 也 即是测点加速度时程数据系列， td表示从开始测量至 当前的持续时间长度， δ 是超参数， δ 取多个不同的数值， 将累计强度值CI( δ )作为盲克里金模型Y(x)的输入数据x， 并结合步骤1得到的训练样 本y， 从而得到具有一 一映射关系的训练样本集[x,y]； 步骤5： 建立如公式 ②所示的盲克 里金模型Y(x)： 式中， fk(x)′＝[f1(x),f2(x),…,fk(x)]， fk(x)′也即是基函数， μk＝[ μ0, μ1,…μk]， 基于公式 ②所进行预测的克 里金预测值 如公式③所示： 式中， Fk＝(fk(x1),fk(x2),…,fk(xm))′， xi,i＝1,2, …m表示 第i个输入数据， m表示输入数据的总个数， 采用贝叶斯变量选择算法从候选变量中选择出重要变量， 候选变量包括一次项、 二次 项和二因子交叉项， 假设u0,u1,…,ut为候选变量， 并将公式 ③简化为公式④： 其中， u0＝1， v1,…,vi,…,vk∈{u1,…,ut}为重要变量， 若只有两个因子变量x1和x2， 此 时， 公式④变为公式 ⑤： 其中， u0＝1， 当t＞m‑1时， 对所有βi的密集估值是不可能的,这种 情况下采用贝叶斯变量选择算法解决这个问题， 为了做到这一点， 假定β ＝( β0, β1,…βt)的 先验分布如公式 ⑥：权　利　要　求　书 1/4 页 2 CN 115510759 A 2式中， 为先验协方差矩阵， ψ为(t+1) ×(t+1)对角矩阵， ψ按照以下 方法确定： 假设克里金模型中的相关函数为积相关结构， 由 给出， 如果βi包含 因子j的一次效应， lij＝1， 否则lij＝0， 类似地， βi包含因子j的二次效应， 则qij＝1， 否则qij ＝0， 于是ψ的第i个对角元素为 其中 ： 假设公式 ①中的Z(x)遵循高斯过程， 那么， 基于贝叶斯理论， β 的后验平均 值 近似为公式 ⑦： 式中， U为模型矩阵， 以3水平为例， 其 正交多项式基形式的模型矩阵为： 如果一个变量的绝对系数大， 就认为它是重要变量， 在每个步骤中k＝0,1,2 …,选择那 些具有最大 的变量作为重要变量， 不失一般性， 在公式 ⑦中设置 采用交叉验证法中的留一法， 选择一组样本用于验证， 剩下用于训练模型， 具体如下： 取 作为删除第i个数据点后的预测结果， 然后， 将留一法交叉验证错 误定义为 由此得到验证预测误差为： 接着求解 可得到最优的k 值， 重要变量选择好后， 接下来确定盲克里金模型中待定的参数θ、 首先， 假设相 关函数r(x)为高斯核函数：权　利　要　求　书 2/4 页 3 CN 115510759 A 3