本技术属于建筑工程与信息，具体而言涉及一种建筑风险等级评估方法、设备以及计算机可读存储介质。
背景技术：
1、既有超高层建筑人员密集、功能多样、设备设施复杂，其安全风险受到地理环境因素、建筑本体因素的综合影响，风险致灾机理复杂，不同高层建筑风险评估内容和方法差异性大。尤其是在外部环境方面，不同地区高层面临的重点环境风险源不同，风险源的量化等级取值也不同。例如《中国地震动态参数区划图》以地震动参数为指标，将国土范围划分为不同地震危险程度，对国土进行区域划分，再考虑地震地质环境及地震风险水平，确定抗震设防等级。
2、目前高层建筑风险评估技术存在以下难点：第一，已有研究缺乏对既有高层建筑复杂风险源的系统识别；第二，已有风险评估方法主要基于国家行业标准导则和专家经验，在风险源识别和风险源评估等级阈值确定上普适性和主观性较强，缺乏基于目标地区灾害环境特征的动态匹配和修正，难以满足高层建筑定制化、精细化、科学化的风险评估需求。
技术实现思路
1、鉴于上述的分析，本发明实施例旨在提供一种建筑风险等级评估方法、设备以及计算机可读存储介质，用以解决现有高层建筑风险等级评估面临的评估主观性较强、精细化不足以及缺乏系统性解决方案的问题。
2、本公开的一个方面，提供了一种建筑风险等级评估方法，其特征在于，包括：
3、基于目标建筑所在地域环境和建筑特征，选取目标建筑的风险源指标，计算目标建筑的风险源指标的权重集；
4、根据目标建筑的风险源指标分别确定各个风险源指标的实际值；
5、将所述目标建筑的风险源指标的实际值输入至组合云模型中，确定所述风险源指标的实际值在不同等级风险下的关联度矩阵；
6、结合所述风险源指标的权重集以及所述关联度矩阵，根据最大隶属度原则确定出目标建筑的风险评估等级；
7、其中，所述组合云模型为采用以下方式得到的云模型：
8、根据目标建筑的风险源指标以及预先确定的风险源等级阈值，将行业平均水平风险源等级阈值转化为风险源等级主观云模型；
9、根据目标建筑的风险源指标，从自然灾害风险普查数据中获取目标风险源指标的历史数据，对所述历史数据进行聚类，计算得到风险源等级客观云模型；
10、结合所述风险源等级主观云模型以及风险源等级客观云模型的数据特征，得到组合云模型。
11、可选地，所述选取目标建筑的风险源指标之前还包括：
12、根据对不同地区既有建筑风险进行系统性识别和归类，生成风险源指标清单；风险类型包括主体结构损伤风险、外围护结构脱落风险、火灾风险、人员疏散风险；
13、所述选取目标建筑的风险源指标包括：
14、根据目标建筑所处空间坐标所在地区的气候特征、目标建筑的主体结构、外围维护结构系统、消防系统、人员疏散系统，选取目标建筑的风险源指标f1，f2，f3…fn。
15、可选地，所述计算目标建筑的风险源指标的权重集包括：
16、获取 l位专家对风险源指标之间的相互关系进行评价的主观评价数据，所述主观评价数据至少包括 “没有影响”、“影响较小”、“有影响但影响不大”、“影响较大”、“影响很大”；根据语义转换关系将所述主观评价数据转化为三角模糊数，以代表第 k个专家对于风险源指标fi对风险源指标fj影响程度的评价；其中，fi是指第 i个风险源指标，fj是指第 j个风险源指标；为第 k个专家第 i个风险源指标fi对第 j个风险源指标fj的影响程度的模糊评价；、、为对应的三角模糊数；
17、将模糊数标准化，得到直接影响矩阵；
18、对直接影响矩阵进行标准化处理，得到标准化直接影响矩阵n；，；
19、确定综合影响矩阵t；；其中，i为单位矩阵；
20、计算各因素的影响度r、被影响度c、中心度x、原因度y、指标权重w，形成指标权重集b；，，，，，b=（w1,w2,w3…wn）；
21、其中， k为专家编号，为综合影响矩阵的元素，w1,w2,w3…wn分别表示各个指标的权重。
22、可选地，所述根据目标建筑的风险源指标以及预先确定的风险源等级阈值，将行业平均水平风险源等级阈值转化为风险源等级主观云模型包括：
23、风险源等级主观云模型的数字特征用期望值ex、熵en以及超熵he来描述；其中：，，;cmax和cmin分别代表风险源指标阈值的最大值和最小值， he根据各指标的不确定性确定， c表示常数，取值范围为0-20；
24、将每一个风险源待量化分级的指标值视为一个云滴，生成以 ex为期望值和以 he为标准差的满足正态分布的随机数 en ’,则x与该正态云的云关联度 h满足：。
25、可选地，所述根据目标建筑的风险源指标，从自然灾害风险普查数据中获取目标风险源指标的历史数据，对所述历史数据进行聚类，计算得到风险源等级客观云模型包括：
26、对单一特征风险源指标的历史数据进行去重处理，得到包括有风险源指标历史极大值和极小值的一维数据序列 xobj={ xo1、 xo2、···、 xon};其中， xobj是风险源指标数据的数据序列， xo1、 xo2、···、 xon分别为不同值；
27、选择r个样本为聚类中心，分别为 ci(0)， i=[1,2,3, …,r]；初始化每一个数据 xoj对于 ci(0)的隶属度 uij(0)，形成隶属度矩阵，满足：
28、
29、当迭代次数 iter小于最大迭代次数 itermax时，根据下式对聚类中心 ci和隶属度 uij进行更新：
30、，其中，m为模糊度的权重系数；
31、判断是否满足终止条件，或迭代次数达到预设最大迭代次数，ε 为误差精度；直到输出r个聚类中心，得到 c=[ c1、 c2、 c3、…, cr]；
32、分别计算每个数据与r个聚类中心的距离，将数据分类至与其距离最小的类别中；计算客观云模型的数字特征 exobj和 enobj。
33、可选地，所述结合所述风险源等级主观云模型以及风险源等级客观云模型的数据特征，得到组合云模型包括：
34、基于风险源等级主观云模型的数字特征 ( exsub, ensub)以及风险源等级客观云模型的数字特征( exobj, enobj)，用风险源等级主观云模型的数字特征以及风险源等级客观云模型的数字特征的平均值作为组合云模型的数字特征 exs和 ens，得到组合云模型。
35、可选地，所述将所述目标建筑的风险源指标的实际值输入至组合云模型中，确定所述风险源指标的实际值在不同等级风险下的关联度矩阵包括：
36、对指标进行正向归一化处理：
37、
38、 其中，x为风险源指标的实际值； xmax为组合云模型中最大等级阈值； xmin为组合云模型中最小等级阈值； x′为指标归一化后的值；
39、计算组合云模型中， x0在不同等级风险下的云关联度矩阵：
40、；
41、其中， x0′ 为归一化后的指标数据; kj为指标在第 j个风险等级下的关联度， j取值为[1,4]， exsj为第 j个风险等级的均值； en′sj表示以 ens为期望、 he为标准差的正态随机数；
42、计算出各风险源的组合云关联度矩阵k：
43、
44、 其中，kij为待评价指标与组合云模型中各指标评价等级阈值的云关联度；n为待评价指标的数目；j为所划分的风险评价等级， j取值为[1,4]。
45、可选地，所述结合所述风险源指标的权重集以及所述关联度矩阵，根据最大隶属度原则确定出目标建筑的风险评估等级包括：
46、根据s=b·k确定出目标建筑风险评估等级；
47、其中，b为风险源指标的权重集; k为组合云关联度矩阵。
48、本公开的第二方面，提供了一种建筑风险等级评估设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任一种所述的建筑风险等级评估方法。
49、本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种所述的建筑风险等级评估方法。
50、本技术所提供的建筑风险等级评估方法，将行业平均水平专家经验数据与各地区自然灾害风险普查数据进行结合，通过构建风险源等级主观云模型以及风险源等级客观云模型，并采用风险源等级客观云模型对风险源等级主观云模型进行修正，得到的组合云模型用于对建筑风险等级进行系统性识别和评估。与现有技术中仅仅采用经验数据进行评估的方法，本技术更具有评价科学性以及客观普适性。此外，本技术提供的方法还可以根据目前建筑所在地域环境和建筑特征得到对应的风险源指标，与不区分地区和建筑自身特征的通用评价标准相比，能够生成定制化的风险评估指标体系和评估模型，评估更为精细化，同时提高了评估的准确性。此外，本技术还提供了具有上述技术效果的建筑风险等级评估设备以及计算机可读存储介质。
1.一种建筑风险等级评估方法，其特征在于，包括：
2.根据权利要求1所述的建筑风险等级评估方法，其特征在于，所述选取目标建筑的风险源指标之前还包括：
3.根据权利要求2所述的建筑风险等级评估方法，其特征在于，所述计算目标建筑的风险源指标的权重集包括：
4.根据权利要求1至3任一项所述的建筑风险等级评估方法，其特征在于，所述根据目标建筑的风险源指标以及预先确定的风险源等级阈值，将行业平均水平风险源等级阈值转化为风险源等级主观云模型包括：
5.根据权利要求1至3任一项所述的建筑风险等级评估方法，其特征在于，所述根据目标建筑的风险源指标，从自然灾害风险普查数据中获取目标风险源指标的历史数据，对所述历史数据进行聚类，计算得到风险源等级客观云模型包括：
6.根据权利要求1所述的建筑风险等级评估方法，其特征在于，所述结合所述风险源等级主观云模型以及风险源等级客观云模型的数据特征，得到组合云模型包括：
7.根据权利要求6所述的建筑风险等级评估方法，其特征在于，所述将所述目标建筑的风险源指标的实际值输入至组合云模型中，确定所述风险源指标的实际值在不同等级风险下的关联度矩阵包括：
8.根据权利要求7所述的建筑风险等级评估方法，其特征在于，所述结合所述风险源指标的权重集以及所述关联度矩阵，根据最大隶属度原则确定出目标建筑的风险评估等级包括：
9.一种建筑风险等级评估设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现根据权利要求1-8任一项所述的建筑风险等级评估方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1-8任一项所述的建筑风险等级评估方法。
