检索结果-南通市图书馆

湘潭大学学报（自然科学版） 2024年第1期46卷 1-13页

作者：张学兵谢啸楠王礼吴晗湘潭大学土木工程学院湖南湘潭411105

为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设... 详细信息

为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设准分布式光纤光栅采集地震时轨道板、钢轨、底座板、箱梁的响应数据,在每根光纤上布置7个光栅,利用两边光栅的响应数据预测中间点的光栅响应,将采集位置、历史数据及地震波形等信息作为特征图输入.利用CNN提取特征,再将提前提取出来的特征数据以时序方式作为LSTM网络的输入数据,最后LSTM网络进行地震应变响应预测.实验结果表明,LSTM网络在3层时效果最好,CNN-LSTM方法具有较高的预测精度,根均平方误差(R_(RMSE))、平均绝对误差(R_(MAE))、决定系数(R^(2))分别达到了0.3753、0.2968、0.9371.

关键词：准分布式光纤光栅振动台试验地震响应卷积神经网络-长短期记忆网络混合模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

神经网络预测模型在高速铁路地震响应中的性能对比

引用

湘潭大学学报（自然科学版） 2023年第4期45卷 107-117页

作者：张学兵吴晗谢啸楠王礼湘潭大学土木工程学院湖南湘潭411105

为明确何种深度学习模型适用于高速铁路地震响应预测分析,该文利用振动台技术建立高速铁路无砟轨道Ⅱ型板缩尺模型,使用准分布式光纤光栅采集地震时缩尺桥梁响应,建立3种评估指标.从预测精度和稳定性等方面深入研究,对比多层前馈网络(mu... 详细信息

为明确何种深度学习模型适用于高速铁路地震响应预测分析,该文利用振动台技术建立高速铁路无砟轨道Ⅱ型板缩尺模型,使用准分布式光纤光栅采集地震时缩尺桥梁响应,建立3种评估指标.从预测精度和稳定性等方面深入研究,对比多层前馈网络(multilayer feedforward network,BP)、长短期记忆神经网络(long short-term memory neural network,LSTM)和循环神经网络(recurrent neural network,RNN)在地震响应中的效果.实验结果说明LSTM网络比BP、RNN网络模型具有更高的预测精度,且在不同应变范围中表现稳定.LMST模型预测结果的平均误差最小,均方根误差、平均绝对误差、决定系数分别达到了0.22582、0.1471、0.91542,可以获得最佳预测精度.

关键词：地震响应预测振动台试验准分布式光纤光栅长短期记忆网络混合模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：