摘要
基于AO优化的CNN‑BiLSTM‑Attention的建筑结构健康监测缺失数据修复方法,有效捕获结构健康监测数据的时空特征,实现高精度结构健康监测缺失数据修复。具体实施流程如下:A.预采集与预处理结构健康监测完整数据,构建训练与验证数据集;B.构建CNN‑SE框架提取监测数据空间特征;C.构建BiLSTM‑TA框架提取监测数据时间特征;D.构建CNN‑BiLSTM‑Attention模型,采用AO算法优化模型超参数;E.输入正常传感器采集的数据,修复故障传感器缺失数据。本发明公开的方法能够实现结构健康监测缺失数据的高精度修复,为结构状态诊断和预测提供支持。
技术关键词
建筑结构健康监测
缺失数据修复
结构健康监测数据
模型超参数
注意力机制
修复故障
sigmoid函数
卷积特征
数据真实值
高精度结构
全局平均池化
捕获结构
通道
传感器
状态诊断
系统为您推荐了相关专利信息
能力评估模型
游戏策略
资源状态信息
游戏特征
客户端
预测网络模型
时空注意力机制
卷积长短期记忆
异构卷积神经网络
土地利用分类方法
知识抽取方法
设备故障诊断系统
生成神经网络模型
融合上下文信息
图谱
入侵检测方法
电力系统
入侵检测模型
注意力机制
网络信息安全技术
数据恢复方法
注意力机制
图像特征向量
感知特征
视觉感知技术