摘要
本发明提供了一种基于神经网络的装配式桥涵节点力学性能分析方法及系统,涉及数据处理技术领域,包括获取装配式桥涵节点的实时监测数据,所述实时监测数据包括应变数据、振动数据和载荷数据;对所述装配式桥涵节点的实时监测数据进行特征提取和优化,得到非线性特征集;将所述非线性特征集进行力学性能评估,得到实时力学性能评估结果;基于所述实时力学性能评估结果和预设的历史监测数据进行模型构建和优化,得到优化后的力学性能变化趋势预测模型;将所述实时监测数据发送至优化后的力学性能变化趋势预测模型进行预测,得到预设时间段的装配式桥涵节点力学性能。本发明提高了装配式桥涵节点力学性能监测的精度、时效性与可靠性。
技术关键词
实时监测数据
非线性特征
力学性能分析方法
变化趋势预测
长短期记忆网络
历史监测数据
节点
梯度提升机
支持向量回归模型
支持向量机回归
监测数据误差
生成知识图谱
深度信念网络
孤立森林算法
分析系统
模拟退火算法
成分分析法
无监督学习
系统为您推荐了相关专利信息
量评估方法
实时监测数据
网格模型
监控阈值
多相流动
波形
特征提取模块
双向长短期记忆网络
深度学习网络模型
非线性映射关系
旋转机械故障诊断
团队
优化卷积神经网络
短时傅里叶变换
BiLSTM模型
通信拓扑结构
无人机集群协同
样本
实时状态信息
生成对抗网络模型
文本特征向量
卷积神经网络提取
引入注意力机制
预训练语言模型
视觉特征提取