摘要
本发明公开了一种基于学习模型的海底隧道沉管健康性预测方法,通过采集多种监测数据,并设计了隧道健康状态的指标权重体系,根据专家经验评分,确定各类监测数据的权重;然后进行数据加权融合,将加权融合后的监测数据输入深度学习模型,作为输入和预测变量,训练深度学习模型,该深度学习模型用于根据历史监测数据,来预测未来的趋势数据;将趋势数据作为新的观测数据,输入贝叶斯模型计算未来损伤风险的概率。本发明结合了贝叶斯推理与深度学习模型,能够准确预测隧道结构的短期健康状态变化,通过贝叶斯模型量化损伤发生的概率,并结合健康状态风险指数进行分级预警提示,能够提前预防潜在风险。
技术关键词
海底隧道沉管
性预测方法
钢筋腐蚀速率
钢筋混凝土耐久性
训练深度学习模型
贝叶斯模型
位移传感器
指标
历史监测数据
海底沉管隧道
隧道结构
健康状态预测
结构管
风险
可视化界面
检测传感器
系统为您推荐了相关专利信息
执行计划生成方法
训练深度学习模型
项目
计划生成装置
图谱
医疗影像识别方法
集成深度学习
动态特征选择
大数据算法
医疗影像数据
健康评估方法
有效值
二维图像特征
故障特征
多模态
图像数据扩增方法
噪声抑制模块
训练深度学习模型
人体姿势
场景