本发明涉及桥梁技术领域，尤其是涉及一种基于历史更新的桥梁管养辅助决策系统。
背景技术：
大数据、人工智能技术已经在许多方面深刻的改变了我们的生活。而在桥梁技术领域，其应用还很不成熟。大多数现有的桥梁运维管理系统存在以下问题：(1)信息“孤岛”多，各地区各部门的信息难以流通，各类信息分散于各类文档和终端，调用效率低下且成本高昂；(2)信息利用率低，对海量桥梁检测报告中隐含的大量有价值的信息未进行发掘；(3)算法模型欠佳，多数系统仍在使用支持向量机(svm)、bp神经网络等算法模型，而近年来涌现出一大批新的算法模型，且许多研究表明这些新的算法模型性能更佳。(4)未考虑运营过程中指标权重的更新。
技术实现要素：
针对现有技术的不足，本发明提出一种基于历史权重更新的桥梁管养辅助决策系统，具体技术方案如下：
一种基于历史更新的桥梁管养辅助决策系统，包括：
检测报告上传平台，用于采集桥梁检测报告；
nlp模块，用于抽取报告中的桥梁资料、各结构构件的技术状况评分和管养建议的相关信息；数据清洗单元，用于剔除提取信息中存在错误、缺失的数据；分类器，用于按桥梁所在地区、桥梁的规模、桥梁的类型将不同桥梁的数据进行分类，并把分类后的数据分配给对应的预测模型；预测模型，用于预测待测桥梁未来若干年各结构构件及全桥的技术状况评分；智能权重系统，用于准确描述不同指标关联关系的时间历史演变；语言生成模型，用于输出相应的管养建议；数据库，用于不断积累各类桥梁检测数据，并通过训练更新预测模型和语言生成模型。
进一步地，其中的智能权重系统的具体工作流程包括：
s1：建立初级权重系统结构；
s2：基于历史数据形成初始先验参数及相关概率关系；
s3：依据桥梁运营过程后期的权重系统评价形成后验参数；
s4：根据后验概率修正权重系统的概率分布；
s5：参照更新的概率分布升级权重系统。
进一步地，其中的nlp模块抽取的所述桥梁资料信息包括：桥梁名称、桥龄、所在地区、桥梁规模、桥梁结构类型、桥梁幅数、桥梁跨数、设计荷载、抗震烈度、桥梁总长、桥梁总宽、有无人行道、各结构构件的类型及数量和维修记录。
进一步地，其中的预测模型采用lstm网络进行时间序列预测，得到桥梁各结构构件未来若干年的技术状况评分；并通过智能权重系统的反馈计算桥梁各结构的权重以得到未来若干年全桥的技术状况评分。
本发明具有以下有益效果：
(1)引入了工程实际运行过程权重变化历史数据，实现了分析模型中权重智能化动态演变；
(2)使用了lstm算法模型，提高了预测结果的准确性；
(3)利用了自然语言处理技术，可以挖掘桥梁检测报告中文本信息的价值，为实际工程经验不足的桥梁管养决策者提供帮助。
附图说明
图1是基于历史更新的桥梁管养辅助决策系统结构示意图；
图2是智能权重系统工作原理图；
图3是智能权重系统的具体工作流程图。
具体实施方式
下面根据附图和优选实施例详细描述本发明，本发明的目的和效果将变得更加明白。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，该基于历史更新的桥梁管养辅助决策系统包括：检测报告上传平台12、nlp模块13、数据清洗单元14、分类器15、预测模型16、语言生成模型17、数据库18和智能权重系统19。
参照图1，基于历史更新的桥梁管养辅助决策系统的运作方式，包括：
步骤一，用户11在检测报告上传平台12上载桥梁检测报告；
步骤二，上载的检测报告依次通过nlp模块13、数据清洗单元14和分类器15，得到经过清洗和分类的桥梁相关技术信息，拷贝这部分数据并存入数据库18，然后将这部分数据分配给与之对应的预测模型16；
步骤三，预测模型16通过运算得出桥梁未来若干年各结构构件的技术状况评分；
步骤四，智能权重系统19依据历史数据和预测结果更新权重系统；
步骤五，根据步骤三和步骤四的结果预测全桥的技术状况评分；
步骤六，语言生成模型17结合nlp模块13抽取的桥梁资料信息和预测模型16算出的技术状况评分给出相应的管养建议；
步骤七，用户11接收系统给出的预测评分和管养建议；
步骤八，数据库18中新增的桥梁检测数据达到某设定数目，通过训练更新预测模型16和语言生成模型17。
参照图1，图中实线箭头代表必须经过的流程；图中虚线箭头代表可人为选择的流程，这一设计使该系统更加灵活可控。
参照图3，其中的智能权重系统的具体工作流程包括：
s1：建立初级权重系统结构；
s2：基于历史数据形成初始先验参数及相关概率关系；
s3：依据桥梁运营过程后期的权重系统评价形成后验参数；
s4：根据后验概率修正权重系统的概率分布；
s5：参照更新的概率分布升级权重系统。
其中的nlp模块13抽取的所述桥梁资料信息包括：桥梁名称、桥龄、所在地区、桥梁规模、桥梁结构类型、桥梁幅数、桥梁跨数、设计荷载、抗震烈度、桥梁总长、桥梁总宽、有无人行道、各结构构件的类型及数量和维修记录。
实施例：
作为本发明的一个实施例，如图1所示，检测报告上传平台12以云平台及客户端的形式呈现；nlp模块13、数据清洗单元14和分类器15的功能利用bert(bidirectionalencoderrepresentationsfromtransformers)模型实现；预测模型16采用lstm网络计算桥梁各构件的技术状况评分，并通过权重更新系统19计算桥梁各结构的权重以得到全桥的技术状况评分；语言生成模型17的功能利用加入attention机制的seq2seq(sequencetosequence)模型实现。
把某目标桥梁的历史检测报告输入所述基于历史更新的桥梁管养辅助决策系统，利用本发明进行处理得到的如下最终结果，如表1所示：
表1对某目标桥梁进行处理得到的最终结果汇总表
本领域普通技术人员可以理解，以上所述仅为发明的优选实例而已，并不用于限制发明，尽管参照前述实例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内，所做的修改、等同替换等均应包含在发明的保护范围之内。
1.一种基于历史更新的桥梁管养辅助决策系统，其特征在于，包括：
检测报告上传平台，用于采集桥梁检测报告；
nlp模块，用于抽取报告中的桥梁资料、各结构构件的技术状况评分和管养建议的相关信息；
数据清洗单元，用于剔除提取信息中存在错误、缺失的数据；
分类器，用于按桥梁所在地区、桥梁的规模、桥梁的类型将不同桥梁的数据进行分类，并把分类后的数据分配给对应的预测模型；
预测模型，用于预测待测桥梁未来若干年各结构构件及全桥的技术状况评分；
智能权重系统，用于准确描述不同指标关联关系的时间历史演变；
语言生成模型，用于输出相应的管养建议。
数据库，用于不断积累各类桥梁检测数据，并通过训练更新预测模型和语言生成模型。
2.根据权利要求1所述的基于历史更新的桥梁管养辅助决策系统，其特征在于，所述智能权重系统的具体工作流程包括：
s1：建立初级权重系统结构；
s2：基于历史数据形成初始先验参数及相关概率关系；
s3：依据桥梁运营过程后期的权重系统评价形成后验参数；
s4：根据后验概率修正权重系统的概率分布；
s5：参照更新的概率分布升级权重系统。
3.根据权利要求1所述的基于历史更新的桥梁管养辅助决策系统，其特征在于，nlp模块抽取的所述桥梁资料信息包括：桥梁名称、桥龄、所在地区、桥梁规模、桥梁结构类型、桥梁幅数、桥梁跨数、设计荷载、抗震烈度、桥梁总长、桥梁总宽、有无人行道、各结构构件的类型及数量和维修记录。
4.根据权利要求1所述的基于历史更新的桥梁管养辅助决策系统，其特征在于，所述预测模型采用lstm网络进行时间序列预测，得到桥梁各结构构件未来若干年的技术状况评分；并通过智能权重系统的反馈计算桥梁各结构的权重以得到未来若干年全桥的技术状况评分。
技术总结