国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法和裝置

      文檔序號:40382859發(fā)布日期:2024-12-20 12:05閱讀:來源:國知局

      技術(shù)特征:

      1.一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,

      2.如權(quán)利要求1所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,在盾構(gòu)隧道上方位置進(jìn)行監(jiān)測點(diǎn)布置,采用光纖布拉格光柵數(shù)據(jù)采集器獲取某一段時(shí)間的連續(xù)沉降的觀測數(shù)據(jù)。

      3.如權(quán)利要求1所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,所述生成網(wǎng)絡(luò)包括第一輸入層、第一特征提取模塊、第一池化層、第一自注意力層、第二特征提取模塊、第二自注意力層、第一上采樣層、第三特征提取模塊和第一輸出層;所述不完整的數(shù)據(jù)矩陣、所述掩碼矩陣和隨機(jī)噪聲矩陣經(jīng)所述第一輸入層輸入所述第一特征提取模塊進(jìn)行特征提取輸出第一過渡矩陣;所述第一過渡矩陣分別傳遞給所述第一池化層和所述第一上采樣層;所述第一過渡矩陣經(jīng)所述第一池化層輸入至所述第一自注意力層,再傳遞至所述第二特征提取模塊進(jìn)行特征提取輸出第二過渡矩陣;所述第一過渡矩陣和所述第二過渡矩陣輸入至所述第一上采樣層然后通過到第三特征提取模塊進(jìn)行特征提取,從所述第一輸出層輸出得到所述恢復(fù)后的完整沉降數(shù)據(jù)矩陣。

      4.如權(quán)利要求3所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,所述第一特征提取模塊包括依次設(shè)置的第一卷積層、第一密集連接層、第一歸一化層、第二卷積層和第二歸一化層;所述第二特征提取模塊包括依次設(shè)置的第三卷積層、第二密集連接層、第三歸一化層、第四卷積層和第四歸一化層;所述第三特征提取模塊包括依次設(shè)置的第五卷積層和第五批歸一化層;所述第一密集連接層和所述第二密集連接層分別包括依次設(shè)置的四個(gè)卷積層,將前一卷積層的特征輸出傳遞并作為后一卷積層的輸入。

      5.如權(quán)利要求1所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,所述對抗網(wǎng)絡(luò)包括第二輸入層、第四特征提取模塊、第二池化層、第五特征提取模塊、第二上采樣層、第六特征提取模塊和第二輸出層;所述完整沉降數(shù)據(jù)矩陣和所述提示矩陣經(jīng)所述第二輸入層輸入所述第四特征提取模塊進(jìn)行特征提取輸出第三過渡矩陣;所述第三過渡矩陣分別傳遞給所述第二池化層和所述第二上采樣層;所述第三過渡矩陣經(jīng)所述第二池化層輸入至所述第五特征提取模塊進(jìn)行特征提取輸出第四過渡矩陣;所述第三過渡矩陣和所述第四過渡矩陣輸入至所述第二上采樣層然后通過到第六特征提取模塊進(jìn)行特征提取,從所述第二輸出層輸出得到所述概率矩陣。

      6.如權(quán)利要求5所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,所述第四特征提取模塊包括依次設(shè)置的第一卷積層、第一密集連接層、第一歸一化層、第二卷積層和第二歸一化層;所述第五特征提取模塊包括依次設(shè)置的第二密集連接層、第三歸一化層、第三卷積層、第三密集連接層、第四歸一化層和第四卷積層;所述第六特征提取模塊包括依次設(shè)置的第五卷積層和第五批歸一化層;所述第一密集連接層、所述第二密集連接層和所述第三密集連接層分別包括四個(gè)卷積層,將每一卷積層的特征輸出傳遞并作為后面卷積層的輸入。

      7.如權(quán)利要求1所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,所述生成網(wǎng)絡(luò)包括二元交叉熵?fù)p失和rmse損失,其損失函數(shù)為:

      8.如權(quán)利要求1所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,將所述完整沉降數(shù)據(jù)矩陣構(gòu)成的數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測試集對所述沉降預(yù)測模型進(jìn)行訓(xùn)練、驗(yàn)證和測試以確定最優(yōu)的超參數(shù)組合;所述沉降預(yù)測模型包括三個(gè)lstm層和兩個(gè)mhsam層,所述lstm層用于捕捉所述完整沉降數(shù)據(jù)矩陣的具體特征,所述mhsam層設(shè)置于相鄰的兩所述lstm層之間以捕捉全局特征并從不同角度來豐富所捕捉數(shù)據(jù)的特征;所述沉降預(yù)測模型輸出預(yù)測結(jié)果以及對所述預(yù)測結(jié)果的評價(jià),所述評價(jià)包括均方誤差、平均絕對誤差和相關(guān)系數(shù)。

      9.如權(quán)利要求8所述的一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法,其特征在于,所述lstm層包括遺忘門、更新門、輸入門、細(xì)胞單元和輸出門,具體如下:

      10.一種基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的裝置,其特征在于,包括:


      技術(shù)總結(jié)
      基于智能恢復(fù)的地表沉降數(shù)據(jù)實(shí)現(xiàn)沉降預(yù)測的方法和裝置,涉及沉降預(yù)測領(lǐng)域,包括獲取某一段時(shí)間的連續(xù)沉降的觀測數(shù)據(jù),定義掩碼矩陣來標(biāo)注觀測數(shù)據(jù)中缺失數(shù)據(jù)位置的信息;構(gòu)建包括生成網(wǎng)絡(luò)和對抗網(wǎng)絡(luò)的多通道沉降數(shù)據(jù)修補(bǔ)深度學(xué)習(xí)模型,將不完整的數(shù)據(jù)矩陣、掩碼矩陣和隨機(jī)噪聲矩陣輸入生成網(wǎng)絡(luò)得到恢復(fù)后的完整沉降數(shù)據(jù)矩陣;基于掩碼矩陣生成提示矩陣,將完整沉降數(shù)據(jù)矩陣和提示矩陣輸入對抗網(wǎng)絡(luò)得到完整沉降數(shù)據(jù)矩陣中數(shù)值真假的概率矩陣;構(gòu)建基于MHSAM?LSTM深度學(xué)習(xí)模型的沉降預(yù)測模型,將完整沉降數(shù)據(jù)矩陣輸入的沉降預(yù)測模型進(jìn)行沉降預(yù)測并輸出預(yù)測結(jié)果,本發(fā)明能實(shí)現(xiàn)較高的預(yù)測精度,具備更優(yōu)異的預(yù)測效果。

      技術(shù)研發(fā)人員:宋牧原,楊明輝,付大喜,郭炎偉,鄭偉龍,胡曉偉,楊漢
      受保護(hù)的技術(shù)使用者:廈門大學(xué)
      技術(shù)研發(fā)日:
      技術(shù)公布日:2024/12/19
      當(dāng)前第2頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
      1