-
题名基于深度学习的软基管廊结构性能预测
被引量：1
- 1
-
-
作者
蔡丹丹
高玮
王森
杨鹏宇
葛双双
马鹏飞
-
机构
宿迁市高速铁路建设发展有限公司
河海大学土木与交通学院
中交隧桥(南京)技术有限公司
中交基础设施养护集团有限公司隧道养护技术研发中心
-
出处
《三峡大学学报（自然科学版）》
北大核心
2024年第1期63-70,共8页
-
基金
国家自然科学基金项目(41831278)
宿迁市交通运输科技与成果转化项目(Sqjt2020-18)。
-
文摘
地下综合管廊在运营期普遍受到车辆荷载的微扰动影响,追踪该环境下的结构微量异常变形,判断可能发生的异常(类似差异沉降等),对准确预测管廊的安全性意义重大.针对江苏省宿迁市高铁商务区综合管廊工程,开展了现场管廊结构监测研究,实测得到了车辆荷载、时间等扰动因素及其影响下的结构响应(结构沉降位移和结构应力)的大数据集.针对监测结果,基于鲸鱼算法和深度置信网络集成深度学习模型对大数据集进行深度挖掘和学习,预测结构运营的安全性.研究表明,采用深度学习模型可以对车辆荷载等微扰动影响下综合管廊结构的安全性能进行较准确的预测,模型的适用性较好.
-
关键词
地下综合管廊
现场监测
集成深度学习模型
车辆荷载
安全性预测
-
Keywords
underground utility tunnel
field monitoring
integrated deep learning model
vehicle load
safety prediction
-
分类号
TU93
[建筑科学—结构工程]
-
-
题名基于多模型深度特征集成的水声目标识别方法
被引量：1
- 2
-
-
作者
李俊豪
杨宏晖
刘钰淇
-
机构
西北工业大学航海学院
-
出处
《无人系统技术》
2023年第4期69-75,共7页
-
基金
水下测控技术重点实验室基金资助(61424070506)。
-
文摘
基于深度学习的水声目标识别算法表现出强大的数据分布拟合能力,已经成为研究重点和热点。深度模型的拟合能力与其复杂度正相关,但过于复杂的模型会显著增加计算成本。综合考虑识别性能以及计算成本,提出了基于多模型深度特征集成的水声目标识别方法。首先利用预训练好的深层模型提取深度特征,再利用特征压缩和集成方法将深度特征融合到浅层模型中,通过改变集成的深度特征维度构建多个深度特征集成模型作为子模型,最后多个子模型通过加权投票实现目标识别。实验结果表明,提出方法的平均正确识别率比对比方法提高了0.37%~5.46%,同时参数量仅为Xception的1/34。
-
关键词
水声目标识别
机器学习
深度学习
集成学习
基于深度模型的集成学习
-
Keywords
Underwater Acoustic Target Recognition
Machine Learning
Deep Learning
Ensemble Learning
Ensemble Learning Based on Deep Model
-
分类号
TB56
[交通运输工程—水声工程]
-
