上海公路
上海公路
상해공로
Shanghai Highways
2015年
3期
36-39,50
,共5页
柏平%马志华%姜世英%华浩%李文华%周晋宇%王鹏军
柏平%馬誌華%薑世英%華浩%李文華%週晉宇%王鵬軍
백평%마지화%강세영%화호%리문화%주진우%왕붕군
人工神经网络%主成分分析%结构监测%模式识别
人工神經網絡%主成分分析%結構鑑測%模式識彆
인공신경망락%주성분분석%결구감측%모식식별
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.
針對橋樑結構鑑測採集到的橋樑異常狀態下長期積纍縯變的驚人數據量,提齣瞭基于主成分分析與人工神經網絡相結閤的橋樑結構異常狀態識彆方法.佈設多種類型傳感器鑑測穫取高維數據,採用主成分分析法對原始高維特徵數據進行預處理,將結構異常特徵變量的主成分作為人工神經網絡的輸入特徵.該方法有效的降低瞭神經網絡的結構複雜度,同時提高人工神經網絡的訓練速度,也保證瞭人工神經網絡具有良好的收斂性和穩定性.應用于江囌南通如泰運河大橋和江囌無錫開源大橋的實際鑑測數據的結果錶明,基于主成分分析的人工神經網絡方法用于橋樑結構異常狀態識彆,與傳統的神經網絡以及其他模式識彆算法相比,有更好的識彆精度.
침대교량결구감측채집도적교량이상상태하장기적루연변적량인수거량,제출료기우주성분분석여인공신경망락상결합적교량결구이상상태식별방법.포설다충류형전감기감측획취고유수거,채용주성분분석법대원시고유특정수거진행예처리,장결구이상특정변량적주성분작위인공신경망락적수입특정.해방법유효적강저료신경망락적결구복잡도,동시제고인공신경망락적훈련속도,야보증료인공신경망락구유량호적수렴성화은정성.응용우강소남통여태운하대교화강소무석개원대교적실제감측수거적결과표명,기우주성분분석적인공신경망락방법용우교량결구이상상태식별,여전통적신경망락이급기타모식식별산법상비,유경호적식별정도.
