本公开涉及数据处理、土石坝变形监测，尤其涉及一种基于相关性映射的土石坝变形预测方法及其装置。
背景技术：
1、相关技术中，土石坝变形监测总体分为表观变形监测和内部变形监测。长期服役过程中，内部变形监测传感器逐渐出现老化、失效等问题而退出工作，且无法更换，导致难以掌握土石坝内部变形情况。而表观变形监测传感器具有便于维护的优点，能够持续获得表观变形数据。因此，解决土石坝内部变形监测传感器失效引起无法掌握内部变形的难题，得到精确的土石坝内部变形数据，已经成为重要的研究方向之一。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本公开的一个目的在于提出一种基于相关性映射的土石坝变形预测方法。
2、本公开的第二个目的在于提出一种基于相关性映射的土石坝变形预测装置。
3、本公开的第三个目的在于提出一种电子设备。
4、本公开的第四个目的在于提出一种非瞬时计算机可读存储介质。
5、本公开的第五个目的在于提出一种计算机程序产品。
6、为达上述目的，本公开第一方面实施例提出了一种基于相关性映射的土石坝变形预测方法，包括：
7、获取预设历史时刻下，土石坝外部多个第一基准点的第一变形数据和土石坝内部多个第二基准点的第二变形数据；
8、获取第一基准点和第二基准点的关联关系；
9、基于关联关系构建候选神经网络，并基于第一变形数据和第二变形数据对候选神经网络进行训练，获取训练后的目标神经网络；
10、获取多个第一基准点当前时刻下的候选变形数据，并将候选变形数据输入目标神经网络，以获取多个第二基准点当前时刻下的目标变形数据。
11、在一些实施方式中，基于关联关系构建候选神经网络，包括：
12、针对互相关联的第一基准点和第二基准点，基于反向传播神经网络构建候选神经网络。
13、在一些实施方式中，基于第一变形数据和第二变形数据对候选神经网络进行训练，获取训练后的目标神经网络，包括：
14、将第一基准点的第一变形数据输入候选神经网络，候选神经网络根据关联关系进行预测，得到第一基准点关联的第二基准点的预测变形数据；
15、根据预测变形数据和第二变形数据对候选神经网络进行训练，获取训练后的目标神经网络。
16、在一些实施方式中，根据预测变形数据和第二变形数据对候选神经网络进行训练，获取训练后的目标神经网络，包括：
17、获取预测变形数据和第二变形数据的损失函数；
18、根据损失函数对候选神经网络进行反向调整；
19、继续使用第一变形数据和第二变形数据对候选神经网络进行训练，直至达到预设的训练次数或损失函数小于预设的损失函数阈值，确定完成训练，得到目标神经网络。
20、在一些实施方式中，每个第二基准点与一个或多个第一基准点关联。
21、在一些实施方式中，第一变形数据包括平行坝轴线方向位移数据、垂直坝轴线方向位移数据和垂直位移数据；
22、在一些实施方式中，第二变形数据包括沉降监测数据、水平位移监测数据、土体位移监测数据和不同材料接触面错动监测数据。
23、本公开实施例中，采用土石坝外部变形数据映射内部变形数据，对全面、持久地掌握土石坝变形具有较高的理论价值和实践意义，可以辅助解决土石坝内部变形监测传感器失效引起无法掌握内部变形的难题。
24、为达上述目的，本公开第二方面实施例提出了一种基于相关性映射的土石坝变形预测装置，包括：
25、第一获取模块，用于获取预设历史时刻下，土石坝外部多个第一基准点的第一变形数据和土石坝内部多个第二基准点的第二变形数据；
26、第二获取模块，用于获取第一基准点和第二基准点的关联关系；
27、训练模块，用于基于关联关系构建候选神经网络，并基于第一变形数据和第二变形数据对候选神经网络进行训练，获取训练后的目标神经网络；
28、第三获取模块，用于获取多个第一基准点当前时刻下的候选变形数据，并将候选变形数据输入目标神经网络，以获取多个第二基准点当前时刻下的目标变形数据。
29、在一些实施方式中，训练模块，还用于：
30、针对互相关联的第一基准点和第二基准点，基于反向传播神经网络构建候选神经网络。
31、在一些实施方式中，训练模块，还用于：
32、将第一基准点的第一变形数据输入候选神经网络，候选神经网络根据关联关系进行预测，得到第一基准点关联的第二基准点的预测变形数据；
33、根据预测变形数据和第二变形数据对候选神经网络进行训练，获取训练后的目标神经网络。
34、在一些实施方式中，训练模块，还用于：
35、获取预测变形数据和第二变形数据的损失函数；
36、根据损失函数对候选神经网络进行反向调整；
37、继续使用第一变形数据和第二变形数据对候选神经网络进行训练，直至达到预设的训练次数或损失函数小于预设的损失函数阈值，确定完成训练，得到目标神经网络。
38、在一些实施方式中，每个第二基准点与一个或多个第一基准点关联。
39、在一些实施方式中，第一变形数据包括平行坝轴线方向位移数据、垂直坝轴线方向位移数据和垂直位移数据；
40、在一些实施方式中，第二变形数据包括沉降监测数据、水平位移监测数据、土体位移监测数据和不同材料接触面错动监测数据。
41、为达上述目的，本公开第三方面实施例提出了一种电子设备，包括：
42、至少一个处理器；以及
43、与至少一个处理器通信连接的存储器；其中，
44、存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开第一方面实施例中提供的基于相关性映射的土石坝变形预测方法。
45、为达上述目的，本公开第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机指令，其中，计算机指令用于使计算机执行根据本公开第一方面实施例中提供的基于相关性映射的土石坝变形预测方法。
46、为达上述目的，本公开第五方面实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开第一方面实施例中提供的基于相关性映射的土石坝变形预测方法。
1.一种基于相关性映射的土石坝变形预测方法，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，所述基于所述关联关系构建候选神经网络，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一变形数据和所述第二变形数据对所述候选神经网络进行训练，获取训练后的目标神经网络，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述预测变形数据和所述第二变形数据对所述候选神经网络进行训练，获取训练后的所述目标神经网络，包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，每个所述第二基准点与一个或多个所述第一基准点关联。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述第一变形数据包括平行坝轴线方向位移数据、垂直坝轴线方向位移数据和垂直位移数据；
7.一种基于相关性映射的土石坝变形预测装置，其特征在于，包括：
8.一种电子设备，包括：
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
