本发明涉及结构构件性能预测领域，特别涉及一种数据驱动泛化增强结构构件性能预测方法及系统。
背景技术：
1、土木工程是随着人类社会的发展而发展起来的，目的在于建成人类生产或生活所需要的各型各类空间。土木工程产生的结构需要能够抵挡各种自然或人为产生的作用力，为人类的生产生活提供可靠的遮蔽空间，因而土木工程的安全性至关重要。
2、近年来基于机器学习建立的数据驱动模型在结构性能预测中越发普遍。它可以方便快捷的基于既有数据学习到数据的内在规律，并表现出良好的性能。但基于机器学习回归的模型通常只能在所使用的训练数据库范围内保证精度，而当目标预测值超出数据库范围时，其精度可能会大幅下降。这对机器学习在土木工程中的应用是很不利的，因为收集的数据范围与目标预测的数据范围之间总会存在差距。具体来说，大多数可收集到的试验数据都是在缩尺模型上得到的，比工程实际所使用的要小的多，很难保证预测精度。
技术实现思路
1、本发明的目的在于提供一种数据驱动泛化增强结构构件性能预测方法及系统，以解决大多数可收集到的试验数据都是在缩尺模型上得到的，比工程实际所使用的要小的多，很难保证预测精度的问题。
2、为实现上述目的，本发明采用以下技术方案：
3、第一方面，本发明提供一种数据驱动泛化增强结构构件性能预测方法，包括：
4、选定预测构件性能的模型输入特征；
5、收集结构构件性能预测的模型输入特征和对应的实测构件性能建立数据集；
6、把构件性能作为一个新的模型输入，根据扩充策略对数据集进行数据扩充并打上安全或不安全标签，得到扩充数据集；
7、基于扩充数据集，进行模型训练，得到结构构件安全性分类预测模型；
8、对于每个扩充后的特征数据，结构构件安全性分类预测模型预测输出安全与不安全标签之间的临界值，临界值作为所预测的构件性能。
9、进一步的，选定预测构件性能的模型输入特征，包括：
10、根据结构构件性能的构件几何尺寸，材料强度性能，构件中各种材料的比例，以及构件的约束边界条件，选定预测构件性能的模型输入特征，记作：x＝[x1，x2，...，xt]。
11、进一步的，建立的数据集，记作：d1＝[(x1，y1)，(x2，y2)，...，(xp，yp)]，x为模型输入特征，y为构件性能；对于收集到的结构构件性能的实测数据，不要求其覆盖所有的潜在数据取值范围。
12、进一步的，数据扩充时，使用的扩充策略为数据原始值乘以因子、用特定分布拟合数据进行再抽样或使用神经网络生成数据，扩充数据集d2记作：
13、
14、d2为单个输入数据向量，其中包含t个选定的输入特征及构件性能。
15、进一步的，安全标签记作1，不安全标签记作0。
16、进一步的，基于扩充数据集，在经典的数据驱动分类模型上进行模型训练，得到结构构件安全性分类预测模型w0和θ0分别为模型的权重及超参数；训练时，使用随机搜索、网格搜索、模拟退火算法或贝叶斯优化算法进行超参数的优化。
17、进一步的，搜索临界值y的方法为单调搜索法、二分法或哈希树算法。
18、第二方面，本发明提供一种数据驱动泛化增强结构构件性能预测系统，包括：
19、特征选定模块，用于选定预测构件性能的模型输入特征；
20、数据集建立模块，用于收集结构构件性能预测的模型输入特征和对应的实测构件性能建立数据集；
21、数据扩充模块，用于把构件性能作为一个新的模型输入，根据扩充策略对数据集进行数据扩充并打上安全或不安全标签，得到扩充数据集；
22、预测模型获取模块，用于基于扩充数据集，进行模型训练，得到结构构件安全性分类预测模型；
23、计算输出模块，用于对于每个扩充后的特征数据，结构构件安全性分类预测模型预测输出安全与不安全标签之间的临界值，临界值作为所预测的构件性能。
24、第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种数据驱动泛化增强结构构件性能预测方法的步骤。
25、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现一种数据驱动泛化增强结构构件性能预测方法的步骤。
26、与现有技术相比，本发明有以下技术效果：
27、本发明所提出的基于数据驱动泛化增强的结构构件性能预测方法，可充分利用已有试验中得到的数据，并将有关结构性能的先验知识与基于数据驱动的预测框架相结合。常规的构件承载力预测算法为回归型算法，即在由多个输入以及承载力构成的高维空间中求解出最优近似曲线。而本申请提出的分类型算法则是通过把原有的回归数据进行改造及扩充后通过求解高维空间最优分类超平面来进行，由此可以在更多的数据量以及相关先验知识的促进下进一步提高预测精度。
28、本发明所提出的方法有优秀的内插和外推能力，其性能超出了传统的经验公式和传统机器学习算法。
29、本发明所提出的方法可实现低成本的大范围应用，来辅助进行结构性能评估、剩余使用寿命预测、耐久性分析和结构管养工作。
1.一种数据驱动泛化增强结构构件性能预测方法，其特征在于，包括：
2.根据权利要求1所述的一种数据驱动泛化增强结构构件性能预测方法，其特征在于，选定预测构件性能的模型输入特征，包括：
3.根据权利要求1所述的一种数据驱动泛化增强结构构件性能预测方法，其特征在于，建立的数据集，记作：d1＝[(x1，y1)，(x2，y2)，...，(xp，yp)]，x为模型输入特征，y为构件性能；对于收集到的结构构件性能的实测数据，不要求其覆盖所有的潜在数据取值范围。
4.根据权利要求1所述的一种数据驱动泛化增强结构构件性能预测方法，其特征在于，数据扩充时，使用的扩充策略为数据原始值乘以因子、用特定分布拟合数据进行再抽样或使用神经网络生成数据，扩充数据集d2记作：
5.根据权利要求4所述的一种数据驱动泛化增强结构构件性能预测方法，其特征在于，安全标签记作1，不安全标签记作0。
6.根据权利要求1所述的一种数据驱动泛化增强结构构件性能预测方法，其特征在于，基于扩充数据集，在经典的数据驱动分类模型上进行模型训练，得到结构构件安全性分类预测模型w0和θ0分别为模型的权重及超参数；训练时，使用随机搜索、网格搜索、模拟退火算法或贝叶斯优化算法进行超参数的优化。
7.根据权利要求1所述的一种数据驱动泛化增强结构构件性能预测方法，其特征在于，搜索临界值y的方法为单调搜索法、二分法或哈希树算法。
8.一种数据驱动泛化增强结构构件性能预测系统，其特征在于，包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种数据驱动泛化增强结构构件性能预测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种数据驱动泛化增强结构构件性能预测方法的步骤。
