摘要
本发明属于机器学习和预应力技术领域,公开了一种基于机器学习的预应力放张损失值的预测方法及系统,方法包括:采用有限元数值软件对预应力梁进行多工况建模与模拟,提取预应力梁工作参数与设计参数,并进行数据预处理、分布检查和特征重要性分析,得到初始数据集;将初始数据集划分为初始训练数据集和初始测试数据集并处理,得到处理后训练数据集和处理后测试数据集;构建全连接多层感知机神经网络模型,定义训练、验证及监控函数,利用处理后训练数据集对全连接多层感知机神经网络模型进行训练,并利用处理后测试数据集对训练好的模型进行测试,得到预测模型;获取预应力梁的真实参数,利用预测模型进行预应力放张损失值预测,得到预测结果。
技术关键词
多层感知机
神经网络模型
Sigmoid函数
数据获取模块
预测系统
预应力技术
模型预测值
缩放参数
工况
预应力筋
数值
批量
定义
数据分布
软件
校正
策略
系统为您推荐了相关专利信息
蓄水池
分配系统
山区
自动水位控制
水位检测传感器
切换方法
驾驶环境信息
时序特征
决策
特征提取网络
回归树算法
线路
决策树模型
预测系统
梯度提升树模型
监测控制方法
控制模块
输入神经网络模型
数据存储模块
监测控制系统
复合绝缘子
陶瓷绝缘子
自动检测方法
制冷红外热像仪
循环神经网络模型