地震安全性评价数据库建设方法及其系统与流程

本技术涉及智能数据处理，且更为具体地，涉及一种地震安全性评价数据库建设方法及其系统。

背景技术：

1、区域性地震安全性评价是对开发区、工业园区、新区和其他有条件的区域开展的地震安全性评价，能够为区域内的建设工程提供科学合理的抗震设防依据。

2、但是，区域性地震安全性评价涉及到方方面面，目前没有相关数据库，并且，也没有成熟的数据处理方案来从地震相关数据中得到地震安全性评价结果。

3、因此，期待一种地震安全性评价数据库建设方法及其系统。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种地震安全性评价数据库建设方法及其系统。其首先将多个地震相关数据分别通过特征提取器以得到多个区域片段数据特征向量，接着，将所述多个区域片段数据特征向量进行二维排列为输入矩阵后分别通过第一卷积神经网络模型和二维卷积核的第二卷积神经网络模型以得到第一尺度区域片段关联特征图和第二尺度区域片段关联特征图，然后，融合所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图以得到分类特征图，最后，对由所述分类特征图展开得到的分类特征向量进行类概率偏移校正后通过分类器以得到用于表示待评估区域的地震安全性等级标签的分类结果。这样，可以确保每一项数据能够准确入库，保证数据库的质量。

2、根据本技术的一个方面，提供了一种地震安全性评价数据库建设方法，其包括：获取待评估区域的多个地震相关数据，所述多个地震相关数据包括主要断裂的活动特征、地层数据、岩体数据、盆地数据、地貌单元数据和破坏性地震数据；将所述多个地震相关数据分别通过基于深度全连接网络的特征提取器以得到多个区域片段数据特征向量；将所述多个区域片段数据特征向量进行二维排列为输入矩阵后通过使用具有第一尺度的二维卷积核的第一卷积神经网络模型以得到第一尺度区域片段关联特征图；将所述多个区域片段数据特征向量进行二维排列为输入矩阵后通过使用具有第二尺度的二维卷积核的第二卷积神经网络模型以得到第二尺度区域片段关联特征图；融合所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图以得到分类特征图；基于所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图，对由所述分类特征图展开得到的分类特征向量进行类概率偏移校正以得到优化分类特征向量；以及将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待评估区域的地震安全性等级标签。

3、在上述的地震安全性评价数据库建设方法中，所述深度全连接网络包括多个相互级联的全连接层。

4、在上述的地震安全性评价数据库建设方法中，所述将所述多个区域片段数据特征向量进行二维排列为输入矩阵后通过使用具有第一尺度的二维卷积核的第一卷积神经网络模型以得到第一尺度区域片段关联特征图，包括：所述使用具有第一尺度的二维卷积核的第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到第一卷积特征图；对所述第一卷积特征图进行基于局部特征矩阵的均值池化以得到第一池化特征图；以及对所述第一池化特征图进行非线性激活以得到第一激活特征图；其中，所述使用具有第一尺度的二维卷积核的第一卷积神经网络模型的最后一层的输出为所述第一尺度区域片段关联特征图，所述使用具有第一尺度的二维卷积核的第一卷积神经网络模型的第一层的输入为所述输入矩阵。

5、在上述的地震安全性评价数据库建设方法中，所述将所述多个区域片段数据特征向量进行二维排列为输入矩阵后通过使用具有第二尺度的二维卷积核的第二卷积神经网络模型以得到第二尺度区域片段关联特征图，包括：所述使用具有第二尺度的二维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到第二卷积特征图；对所述第二卷积特征图进行基于局部特征矩阵的均值池化以得到第二池化特征图；以及对所述第二池化特征图进行非线性激活以得到第二激活特征图；其中，所述使用具有第二尺度的二维卷积核的第二卷积神经网络模型的最后一层的输出为所述第二尺度区域片段关联特征图，所述使用具有第二尺度的二维卷积核的第二卷积神经网络模型的第一层的输入为所述输入矩阵。

6、在上述的地震安全性评价数据库建设方法中，所述融合所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图以得到分类特征图，包括：以如下公式来融合所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图以得到所述分类特征图；其中，所述公式为： ，其中，，表示所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图，表示级联函数，表示所述分类特征图。

7、在上述的地震安全性评价数据库建设方法中，所述基于所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图，对由所述分类特征图展开得到的分类特征向量进行类概率偏移校正以得到优化分类特征向量，包括：将所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图展开为第一尺度区域片段关联特征向量第二尺度区域片段关联特征向量；对所述第一尺度区域片段关联特征向量和所述第二尺度区域片段关联特征向量进行类节点的拓扑-类中心优化以得到融合特征矩阵；以及将所述融合特征矩阵与所述分类特征向量进行矩阵相乘以将所述分类特征向量映射到所述融合特征矩阵消除类中心偏移的优化的特征空间内以得到所述优化分类特征向量。

8、在上述的地震安全性评价数据库建设方法中，所述对所述第一尺度区域片段关联特征向量和所述第二尺度区域片段关联特征向量进行类节点的拓扑-类中心优化以得到融合特征矩阵，包括：以如下公式对所述第一尺度区域片段关联特征向量和所述第二尺度区域片段关联特征向量进行类节点的拓扑-类中心优化以得到所述融合特征矩阵；其中，所述公式为：，其中，表示所述第一尺度区域片段关联特征向量，表示所述第二尺度区域片段关联特征向量，表示所述第二尺度区域片段关联特征向量的转置向量，和均为列向量，表示所述融合特征矩阵，为所述第一尺度区域片段关联特征向量和所述第二尺度区域片段关联特征向量之间的距离矩阵，和分别表示矩阵或向量的kronecker积和hadamard积，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值。

9、在上述的地震安全性评价数据库建设方法中，所述将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待评估区域的地震安全性等级标签，包括：使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

10、根据本技术的另一个方面，提供了一种地震安全性评价数据库建设系统，其包括：数据获取模块，用于获取待评估区域的多个地震相关数据，所述多个地震相关数据包括主要断裂的活动特征、地层数据、岩体数据、盆地数据、地貌单元数据和破坏性地震数据；深度全连接编码模块，用于将所述多个地震相关数据分别通过基于深度全连接网络的特征提取器以得到多个区域片段数据特征向量；第一尺度编码模块，用于将所述多个区域片段数据特征向量进行二维排列为输入矩阵后通过使用具有第一尺度的二维卷积核的第一卷积神经网络模型以得到第一尺度区域片段关联特征图；第二尺度编码模块，用于将所述多个区域片段数据特征向量进行二维排列为输入矩阵后通过使用具有第二尺度的二维卷积核的第二卷积神经网络模型以得到第二尺度区域片段关联特征图；特征图融合模块，用于融合所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图以得到分类特征图；类概率偏移校正模块，用于基于所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图，对由所述分类特征图展开得到的分类特征向量进行类概率偏移校正以得到优化分类特征向量；以及分类结果生成模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待评估区域的地震安全性等级标签。

11、在上述的地震安全性评价数据库建设系统中，所述深度全连接网络包括多个相互级联的全连接层。

12、与现有技术相比，本技术提供的地震安全性评价数据库建设方法及其系统，其首先将多个地震相关数据分别通过特征提取器以得到多个区域片段数据特征向量，接着，将所述多个区域片段数据特征向量进行二维排列为输入矩阵后分别通过第一卷积神经网络模型和二维卷积核的第二卷积神经网络模型以得到第一尺度区域片段关联特征图和第二尺度区域片段关联特征图，然后，融合所述第一尺度区域片段关联特征图和所述第二尺度区域片段关联特征图以得到分类特征图，最后，对由所述分类特征图展开得到的分类特征向量进行类概率偏移校正后通过分类器以得到用于表示待评估区域的地震安全性等级标签的分类结果。这样，可以确保每一项数据能够准确入库，保证数据库的质量。