摘要
本发明公开了一种基于监测数据的基坑变形风险评估方法,包括:采集基坑施工现场的监测数据,并分别标注风险等级;采用滞后分解的生成对抗网络对所述监测数据进行样本生成数据扩充;将扩充后的监测数据输入自适应狼群优化算法的神经网络进行特征提取模型训练;将特征提取后的监测数据输入掩码增强的自编码神经网络进行特征降维模型训练;将降维训练后的监测数据输入分类器模型中进行训练;将新的监测数据输入训练完成的特征提取模型、特征降维模型和分类器模以获得分类结果。本发明解决了现有的基坑变形风险评估方法存在数据样本量优先,模型泛化能力弱的问题。
技术关键词
风险评估方法
特征提取模型
生成对抗网络
分类器模型
狼群优化
基坑施工现场
量子态
掩码矩阵
贪婪算法
编码器
数据
输入解码器
极限学习机
参数
估计方法
非线性
传播算法
系统为您推荐了相关专利信息
数据挖掘系统
烟叶病害
多模态数据采集
可见光图像
数据处理单元
查询特征
时序特征
语义特征
问答方法
意图识别模型
群体智能优化算法
深度生成对抗网络
设计特征
深度强化学习模型
图标
产科
风险评估系统
风险评估报告
手术
CRF模型