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
视频分析方法
图像处理算法
云端服务器
训练深度学习模型
边缘检测设备
数据融合方法
协方差矩阵
卡尔曼滤波器
水库
传感器
表面缺陷图像
查询策略
分类方法
训练深度学习模型
样本
热失控预警系统
新能源汽车电池
热失控预警方法
数据采集模块
时域统计特征
锥形束CT图像
颌骨区域
引入注意力机制
识别方法
感兴趣特征