本发明涉及一种斜拉索索力与主梁竖向位移时空相关深度学习建模方法,对实测索力及主梁竖向位移监测数据进行预处理和归一化;根据需求构建包括所有位移通道作为输入、所有索力通道作为输出的整体双向长短时记忆网络模型,或者根据Sobol灵敏度选取部分位移通道作为输入、一个目标索力通道作为输出的局部双向长短时记忆网络模型,将训练集输入至相应的网络模型中进行训练,使用的损失函数为带权重项的最小相对均方误差函数,优化算法为带动量的随机梯度下降算法,并使用默认的初始化学习速率、动量参数和权重参数。本发明提出的整体和局部网络模型均能很好地实现由主梁竖向位移识别索力,且局部网络模型能达到与整体网络模型相近的预测效果。
声明:
“斜拉索索力与主梁竖向位移时空相关深度学习建模方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)