基于宽度学习的结构沉降预测

• 作者: 孟雪 甘文娟 陈永红 韩静
• 来源期刊: 计算机技术与发展
• 学科: 交通运输
• 关键词: 结构监测 沉降变形 预测模型 宽度学习 深度学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 155-160
• 页数: 6页
• 分类号: TP181|U231
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.01.028

摘要

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点.针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型.通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析.实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高.验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩静		4	10	2.0	3.0
2	陈永红		2	0	0.0	0.0
3	甘文娟		2	0	0.0	0.0
4	孟雪		1	0	0.0	0.0