CN119089282B 一种高层建筑沉降预测方法、系统、存储介质及程序产品 （北京新兴环宇信息科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119089282B(45)授权公告日2025.01.10

(21)申请号202411589712.1

(22)申请日2024.11.08

(65)同一申请的已公布的文献号申请公布号CN119089282A

(43)申请公布日2024.12.06

(73)专利权人北京新兴环宇信息科技有限公司地址102300北京市门头沟区雅安路6号院

1号楼13层1302

(72)发明人刘柱田久如马立涛马伟驰张顺龙周明周建波赵欣

(74)专利代理机构北京维正专利代理有限公司

11508专利代理师李传亮

GO6F18/213(2023.01)

GO6F18/10(2023.01)

GO6F18/20(2023.01)GO6N3/096(2023.01)

GO6N3/084(2023.01)

GO6N3/0499(2023.01)

GO6N3/0442(2023.01)

GO6F123/02(2023.01)

(56)对比文件

CN110780297A,2020.02.11CN116561697A,2023.08.08审查员黄睿

(51)Int.CI.

GO6F18/241(2023.01)权利要求书2页说明书12页附图3页

(54)发明名称

一种高层建筑沉降预测方法、系统、存储介质及程序产品

(57)摘要

CN119089282B一种高层建筑沉降预测方法、系统、存储介质及程序产品，在该方法中，对多源监测数据分离趋势项、周期项和随机项，并构建非线性时间序列预测模型；将历史多源监测数据输入至非线性时间序列预测模型中，得到初步沉降预测结果；生成高层建筑的连续沉降分布图，并得到空间分布特征；基于多源监测数据确定若干关键影响因子及对应的影响因子权重；构建沉降预测模型；将多源监测数据输入至沉降预测模型中，得到最终沉降预测结果；将沉降趋势曲线图及预测预警时间点发送至管理终端。本申请实现了对高层建筑的早期沉降预测，提高了检测到高层建筑

CN119089282B

S101

S101

对若干预设传感器检测得到的多源监测数据使用经验模态分解方法分离趋势项、周期项和随机项，并根据趋势项、周期项和

随机项构建非线性时间序列预测模型

S102

将历史多源监测数据输入至非线性时间序列预测模型中，得到初步沉降预测结果；基于多源监测数据中的空间信息生成高层

建筑的连续沉降分布图，并根据连续沉降分布图得到空间分布

特征；基于多源监测数据确定若干关键影响因子及对应的影响

国子权重

8103

基于初步沉降预测结果、空间分布特征及影响国子权重构建沉降预测模型

814

将多源监测数据输入至沉降预测模型中，得到最终沉降预测结

果

8105

构建多任务学习框架

8106

基于多任务学习框架捕捉若干预设传感器之间的动态空间依赖

关系8107

基于动态空间依赖关系并应用贝叶斯优化算法对沉降预测模型进行动态调整

CN119089282B权利要求书1/2页

2

1.一种高层建筑沉降预测方法，其特征在于，包括：

对若干预设传感器检测得到的多源监测数据使用经验模态分解方法分离趋势项、周期项和随机项，并根据所述趋势项、所述周期项和所述随机项构建非线性时间序列预测模型；

将历史多源监测数据输入至所述非线性时间序列预测模型中，得到初步沉降预测结果；基于所述多源监测数据中的空间信息生成高层建筑的连续沉降分布图，并根据所述连续沉降分布图得到空间分布特征；基于所述多源监测数据确定若干关键影响因子及对应的影响因子权重；

基于所述初步沉降预测结果、所述空间分布特征及所述影响因子权重构建沉降预测模型，所述沉降预测模型为以所述初步沉降预测结果、所述空间分布特征及所述影响因子权重为训练集，输入至预设神经网络进行训练得到的模型，将所述预设传感器检测得到监测数据输入至所述沉降预测模型中，所述沉降预测模型输出预测结果；

将所述多源监测数据输入至所述沉降预测模型中，得到最终沉降预测结果，所述最终沉降预测结果包括沉降趋势曲线图及预测预