首页 > 《上海公路》 > 2015年3期 > 基于神经网络的桥梁异常状态识别方法

基于神经网络的桥梁异常状态识别方法

在线阅读下载PDF 导出详情

摘要针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。

DOI odwvn553jk/1547080

作者柏平;马志华;姜世英;华浩;李文华;周晋宇;王鹏军

机构地区不详

出处《上海公路》 2015年3期

关键词人工神经网络主成分分析结构监测模式识别

分类 [交通运输工程][道路与铁道工程]

出版日期 2015年03月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1于书航师云秋. 基于神经网络的数字号码识别方法探讨.文化科学,2018-12.
2张晶;吴磊;贺建军;刘文鹏. 基于深度卷积神经网络的手写哈萨克文字母识别方法.教育学,2017-05.
3赵晓迪. 基于卷积神经网络的 GIS缺陷图像识别方法研究.建筑技术科学,2019-12.
4赵晓迪. 基于卷积神经网络的GIS缺陷图像识别方法研究.社会学,2019-11.
5罗觉灵 ,陈耀东. 一种基于图卷积神经网络的儿童情感识别方法.,2023-06.
6陈袁;鲜让之;吴德顺;周飞;陈丽群. 基于PCA-RBF神经网络的新型录井岩性识别方法.地质学,2016-01.
7徐菁;郭稳;王秀丽;崔胜红. 基于AR模型与BP神经网络的网壳结构损伤识别方法研究.结构工程,2015-02.
8 明正阳1 ,谢炜业2 ,王恺翔2 ,王馨茹1 ,钟婷婷1 . 基于图神经网络的数字货币异常交易识别研究.,2023-04.
9admin. 基于计算机视觉和神经网络技术的烟叶品质智能识别方法.自动化与计算机技术,2019-10.
10杨航. 基于YOLOv3神经网络的舰船目标光学卫星遥感图像检测识别方法.,2022-10.

来源期刊

上海公路

相关推荐

同分类资源更多

相关关键词

人工神经网络主成分分析结构监测模式识别

返回顶部