本发明涉及水工结构领域，具体而言，涉及一种基于深度学习和数字孪生的水工结构风险评估方法及系统。
背景技术：
1、近年来，通过考察水工结构系统在各种外因和内因变化下的变形能变化，判断水工结构整体安全状况成为研究的热门。探索传统的水工结构安全稳定性评估与信息化智能化技术的融合，以实现结构风险评估的全面、准确，增强评估结果的可读性和科学性等，已成为水利工程领域发展的重要需求之一。
技术实现思路
1、本发明的目的在于提供一种基于深度学习和数字孪生的水工结构风险评估方法及系统。
2、第一方面，本发明实施例提供一种基于深度学习和数字孪生的水工结构风险评估方法，包括：
3、获取待评估水工结构的水工结构参数；
4、将所述水工结构参数输入预设数字孪生平台，构建得到所述待评估水工结构对应的目标三维水工结构模型；所述目标三维水工结构模型由多个水工结构模组构成；
5、调用配置于所述预设数字孪生平台的关键模组识别模型和模组类型识别模型对所述目标三维水工结构模型进行分析，得到所述目标三维水工结构模型的模组类型识别结果；
6、根据所述模组类型识别结果，从所述多个水工结构模组中确定出当前水工结构模组；
7、对所述当前水工结构模组进行异常识别，得到所述目标三维水工结构模型的水工结构风险评估结果。
8、第二方面，本发明实施例提供一种服务器系统，包括服务器，所述服务器用于执行第一方面所述的方法。
9、相比现有技术，本发明提供的有益效果包括：采用本发明公开的一种基于深度学习和数字孪生的水工结构风险评估方法及系统，通过获取水工结构参数，构建目标三维水工结构模型，并利用配置在数字孪生平台的关键模组识别模型和模组类型识别模型进行分析，确定当前水工结构模组，进而进行异常识别，最终得到水工结构的风险评估结果。如此设计，实现了水工结构的智能化、精准化风险评估，提高了评估效率和准确性。
1.一种基于深度学习和数字孪生的水工结构风险评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述关键模组识别模型包括范围选定模型以及关键范围定位单元，所述模组类型识别模型包括关键范围检测单元；
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述根据包括所述标准三维水工结构模型实例和预设三维水工结构模型的新增三维水工结构模型实例，确定所述新增三维水工结构模型实例中所包含模组类型的模组表现特征包括：
6.根据权利要求1所述的方法，其特征在于，所述对所述当前水工结构模组进行异常识别，得到所述目标三维水工结构模型的水工结构风险评估结果，包括：
7.根据权利要求6所述的方法，其特征在于，在所述对所述当前水工结构模组进行特征提取处理，得到所述当前水工结构模组特征和对比水工结构模组特征，以及对异常水工结构模组进行特征提取处理，得到所述异常水工结构模组特征和参考水工结构模组特征之前，所述方法还包括：
8.根据权利要求6所述的方法，其特征在于，所述根据所述第一数量个当前调整特征，对所述当前原始关联标识进行调整，得到当前调整关联标识，以及根据所述第一数量个异常调整特征，对所述异常原始关联标识进行调整，得到异常调整关联标识，包括：
9.根据权利要求6所述的方法，其特征在于，所述根据所述第一数量个当前调整特征，对所述当前原始关联标识进行调整，得到当前调整关联标识，以及根据所述第一数量个异常调整特征，对所述异常原始关联标识进行调整，得到异常调整关联标识，包括：
10.一种服务器系统，其特征在于，包括服务器，所述服务器用于执行权利要求1-9中任意一项所述的方法。
