基于数字孪生的隧道运维可视化实现方法及系统

1.一种基于数字孪生的隧道运维可视化实现方法，其特征在于，所述方法包括：获取目标隧道运维可视化神经网络，其中，所述目标隧道运维可视化神经网络为根据隧道监控数据学习样例库对处在调试阶段的隧道运维可视化神经网络进行对抗调试获得的隧道运维可视化神经网络，所述隧道监控数据学习样例库中包括与多个隧道样例分别对应的多个隧道监控数据学习样例子库，一个所述隧道监控数据学习样例子库中包括对应的一个所述隧道样例的多个隧道监控数据学习样例；依据所述目标隧道运维可视化神经网络中的目标隧道状态表征信息抽取层抽取拟模拟隧道监控数据的第一隧道状态表征信息，并获取所述拟模拟隧道监控数据的隧道属性表征信息，其中，所述隧道状态表征信息用以表征所述拟模拟隧道监控数据中的监控隧道段的数字孪生表征信息；将所述第一隧道状态表征信息和所述隧道属性表征信息加载到所述目标隧道运维可视化神经网络中的目标孪生体构建层，得到与所述拟模拟隧道监控数据匹配的目标模拟数字孪生体，其中，所述目标模拟数字孪生体中包括目标隧道段，所述目标隧道段为所述拟模拟隧道监控数据中的监控隧道段。 2.根据权利要求1所述的方法，其特征在于，所述将所述第一隧道状态表征信息和所述隧道属性表征信息加载到所述目标隧道运维可视化神经网络中的目标孪生体构建层，得到与所述拟模拟隧道监控数据匹配的目标模拟数字孪生体之后，还包括：获取可视化变量；将所述可视化变量和所述隧道属性表征信息加载到所述目标隧道运维可视化神经网络中的目标孪生体构建层，得到与所述目标模拟数字孪生体匹配的目标可视化指引数据，其中，所述目标可视化指引数据中包括显示目标可视化指引元素的目标隧道段，所述目标可视化指引元素为与所述目标可视化指引数据中的所述监控隧道段的可视化元素相匹配的元素，所述目标隧道段为所述拟模拟隧道监控数据中的监控隧道段。 3.根据权利要求2所述的方法，其特征在于，所述获取可视化变量包括：获取可视化指引数据，以及通过所述目标隧道运维可视化神经网络中的目标隧道状态表征信息抽取层抽取所述可视化指引数据的第二隧道状态表征信息，将所述第二隧道状态表征信息作为所述可视化变量；或者；获取事先为所述目标模拟数字孪生体设置的可视化变量。 4.根据权利要求1所述的方法，其特征在于，所述将所述第一隧道状态表征信息和所述隧道属性表征信息加载到所述目标隧道运维可视化神经网络中的目标孪生体构建层，得到与所述拟模拟隧道监控数据匹配的目标模拟数字孪生体，包括：依据所述目标孪生体构建层中的目标数据表征信息抽取分支层将所述第一隧道状态表征信息和所述隧道属性表征信息变换为孪生体构建中间表征信息；将所述孪生体构建中间表征信息加载到所述目标孪生体构建层中的目标孪生体构建分支层，得到所述目标模拟数字孪生体。 5.根据权利要求1所述的方法，其特征在于，获取所述拟模拟隧道监控数据的隧道属性表征信息包括：获取目标隧道段标记，将所述目标隧道段标记的标记表征信息作为所述隧道属性表征信息，其中，所述目标隧道段标记用以表征所述拟模拟隧道监控数据中的监控隧道段；或者；获取所述拟模拟隧道监控数据，依据所述目标隧道运维可视化神经网络中的目标隧道属性表征信息抽取层抽取所述拟模拟隧道监控数据的所述隧道属性表征信息。 6.根据权利要求1所述的方法，其特征在于，所述目标隧道运维可视化神经网络的调试过程包括：在隧道监控数据学习样例库中获取与目标隧道样例对应的目标隧道监控数据学习样例，其中，所述隧道监控数据学习样例库包括与多个隧道样例分别对应的多个隧道监控数据学习样例子库，一个所述隧道监控数据学习样例子库中包括对应的一个所述隧道样例的多个隧道监控数据学习样例；依据处在调试阶段的隧道运维可视化神经网络中的隧道状态表征信息抽取层抽取所述目标隧道监控数据学习样例的隧道状态表征信息，并获取与所述目标隧道监控数据学习样例中的所述目标隧道样例的隧道段标记对应的标记表征信息，其中，所述隧道状态表征信息用以表征所述目标隧道监控数据学习样例中的所述目标隧道样例的数字孪生表征信息；将所述隧道状态表征信息和所述标记表征信息加载到所述调试阶段的隧道运维可视化神经网络中的孪生体构建层，得到对照隧道监控数据学习样例；依据所述处在调试阶段的隧道运维可视化神经网络中的鉴别器获取所述对照隧道监控数据学习样例与所述目标隧道监控数据学习样例的共性度量系数；在依据所述共性度量系数确定的调试代价符合预设调试要求时，将所述处在调试阶段的隧道运维可视化神经网络中的所述隧道状态表征信息抽取层和所述孪生体构建层作为目标隧道运维可视化神经网络中的目标隧道状态表征信息抽取层和目标孪生体构建层，其中，所述目标隧道运维可视化神经网络用于依据拟模拟隧道监控数据生成目标模拟数字孪生体，以及通过可视化变量显示所述目标模拟数字孪生体中的目标隧道段，所述目标隧道段为所述拟模拟隧道监控数据中的监控隧道段。 7.根据权利要求6所述的方法，其特征在于，所述依据所述处在调试阶段的隧道运维可视化神经网络中的鉴别器获取所述对照隧道监控数据学习样例与所述目标隧道监控数据学习样例的共性度量系数包括：依据所述鉴别器获取所述对照隧道监控数据学习样例与所述目标隧道监控数据学习样例之间的交互代价；依据所述孪生体构建层获取与所述目标隧道监控数据学习样例的目标关键监控数据对应的对照关键监控数据，并获取所述目标关键监控数据和所述对照关键监控数据之间的监控数据代价；根据所述目标隧道监控数据学习样例的目标标记表征信息和所述对照隧道监控数据学习样例的对照标记表征信息获取标记表征信息代价，其中，所述目标标记表征信息用以表征目标隧道监控数据学习样例所对应的隧道段标记，所述对照标记表征信息用以表征所述对照隧道监控数据学习样例所对应的隧道段标记；根据所述交互代价、所述监控数据代价和所述标记表征信息代价确定所述共性度量系数。 8.根据权利要求7所述的方法，其特征在于，所述依据所述鉴别器获取所述对照隧道监控数据学习样例与所述目标隧道监控数据学习样例之间的交互代价，包括：获取所述鉴别器将所述目标隧道监控数据学习样例鉴别成真数据的第一鉴别置信度；获取所述鉴别器将所述对照隧道监控数据学习样例鉴别成假数据的第二鉴别置信度；根据所述第一鉴别置信度和所述第二鉴别置信度获取所述交互代价。 9.根据权利要求7所述的方法，其特征在于，所述依据所述孪生体构建层获取与所述目标隧道监控数据学习样例的目标关键监控数据对应的对照关键监控数据，包括：获取与所述目标隧道监控数据学习样例的所述目标关键监控数据的关键监控数据蒙版，其中，所述关键监控数据蒙版指示所述目标关键监控数据在所述目标隧道监控数据学习样例中的数据范围；根据所述关键监控数据蒙版从所述对照隧道监控数据学习样例中确定得到所述对照关键监控数据；或者，所述依据所述孪生体构建层获取与所述目标隧道监控数据学习样例的目标关键监控数据对应的对照关键监控数据，包括：依据标记表征信息抽取层分别获取所述目标隧道监控数据学习样例的所述目标标记表征信息和所述对照隧道监控数据学习样例的所述对照标记表征信息；根据所述目标标记表征信息和所述对照标记表征信息之间的欧氏距离确定所述标记表征信息代价。 10.根据权利要求6所述的方法，其特征在于，所述将所述隧道状态表征信息和所述标记表征信息加载到所述调试阶段的隧道运维可视化神经网络中的孪生体构建层，得到对照隧道监控数据学习样例，包括：依据所述孪生体构建层中的数据表征信息抽取分支层将所述隧道状态表征信息和所述标记表征信息变换为孪生体构建中间表征信息；将所述孪生体构建中间表征信息加载到所述孪生体构建层中的孪生体构建分支层，得到所述对照隧道监控数据学习样例；所述依据处在调试阶段的隧道运维可视化神经网络中的隧道状态表征信息抽取层抽取所述目标隧道监控数据学习样例的隧道状态表征信息，包括：将所述目标隧道监控数据学习样例的设备运行数据抽取得到第一维度的设备运行数据表征信息；将所述目标隧道监控数据学习样例的环境监测数据抽取得到第二维度的环境监测数据表征信息，其中，所述第一维度和所述第二维度对应的维度都至少为2；将所述第一维度的设备运行数据表征信息和所述第二维度的环境监测数据表征信息融合得到所述隧道状态表征信息，其中，所述隧道状态表征信息的维度为第一维度和第二维度的和。 11.根据权利要求6所述的方法，其特征在于，所述依据所述处在调试阶段的隧道运维可视化神经网络中的鉴别器获取所述对照隧道监控数据学习样例与所述目标隧道监控数据学习样例的共性度量系数之后，还包括：在依据所述共性度量系数确定的调试代价不符合预设调试要求时，对所述隧道状态表征信息抽取层、所述孪生体构建层和所述鉴别器的可学习变量进行优化；对所述目标隧道监控数据学习样例中的所述目标隧道样例的隧道段标记对应的标记表征信息进行迭代；所述依据所述处在调试阶段的隧道运维可视化神经网络中的鉴别器获取所述对照隧道监控数据学习样例与所述目标隧道监控数据学习样例的共性度量系数之后，还包括：获取处在调试阶段的隧道运维可视化神经网络中的隧道属性表征信息抽取层；根据所述隧道属性表征信息抽取层抽取所述对照隧道监控数据学习样例对应的隧道属性表征信息，其中，所述隧道属性表征信息的维数与迭代后的所述标记表征信息的维数一致；在所述隧道属性表征信息与迭代后的所述标记表征信息之间的欧氏距离不小于预设值时，对所述隧道属性表征信息抽取层的可学习变量进行优化；在所述隧道属性表征信息与所述标记表征信息之间的欧氏距离小于所述预设值时，将所述隧道属性表征信息抽取层确定为所述目标隧道运维可视化神经网络中的目标隧道属性表征信息抽取层。 12.一种计算机系统，包括存储器和处理器，所述存储器存储有可在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程序时实现权利要求1至11任一项所述方法中的步骤。