【技术实现步骤摘要】
一种大跨度钢结构建筑微应变的短期预测方法
本专利技术属于大跨度钢结构研究中的钢结构建筑微应变的短期预测
，具体涉及一种大跨度钢结构建筑微应变的短期预测方法。
技术介绍
国家基础设施的建设极大推动了建筑行业的迅速崛起。一大批大跨度钢结构建筑如雨后春笋般出现在全国各地，它们外观新颖、工艺精巧、结构复杂、科技感强并且具有重量轻、刚度强、抗震性能高和应力分布均匀等特点，通常它们被广泛的应用于各个领域，成为城市或区域的地标性建筑。但是由于这些建筑长期暴露在自然环境之中，受到风霜雨雪等各种因素综合作用下易导致结构疲劳和损伤累积，为避免极端情况下灾难性事故的发生，需要对服役的大跨度钢结构建筑进行结构健康监测。因此，针对大跨度钢结构建筑的结构监测问题，建立钢结构建筑微应变的短期预测模型，对于钢结构耐久性分析和短期结构预测有重要的实际意义。随着国家经济和科技的高速发展，大跨度钢结构建筑的数量迅速增加。在钢结构建筑的整个服役周期内，他们的形状都在发生着不同程度的形变，只是肉眼很难观察到这种。对于钢结构建筑微应变的短期预测可以评估预...
【技术保护点】
1.一种大跨度钢结构建筑微应变的短期预测方法，其特征在于，包括以下步骤：/n步骤1、获取大跨度钢结构建筑微应变的历史数据，然后将历史数据分成训练集和测试集；/n步骤2、利用变分模态分解方法对步骤1中的训练集和测试集进行自适应分解，提取历史数据中分解的各模态分量数据，再利用相空间重构对分解的各模态分量数据进行加工处理优化，得到训练集各模态分量子序列和测试集各模态分量子序列；/n步骤3、利用步骤2中得到的训练集各模态分量子序列作为训练样本，采用反向误差传播方法对门控循环单元中的各模态分量子序列进行训练，利用损失函数对权重参数和偏移参数进行调整更新，完成深度网络学习，建立训练集各...
【技术特征摘要】
1.一种大跨度钢结构建筑微应变的短期预测方法，其特征在于，包括以下步骤：
步骤1、获取大跨度钢结构建筑微应变的历史数据，然后将历史数据分成训练集和测试集；
步骤2、利用变分模态分解方法对步骤1中的训练集和测试集进行自适应分解，提取历史数据中分解的各模态分量数据，再利用相空间重构对分解的各模态分量数据进行加工处理优化，得到训练集各模态分量子序列和测试集各模态分量子序列；
步骤3、利用步骤2中得到的训练集各模态分量子序列作为训练样本，采用反向误差传播方法对门控循环单元中的各模态分量子序列进行训练，利用损失函数对权重参数和偏移参数进行调整更新，完成深度网络学习，建立训练集各模态分量子序列的门控循环单元钢结构建筑微应变的短期预测子模型；
步骤4、利用步骤3得到的训练集各模态分量子序列的门控循环单元钢结构建筑微应变的短期预测子模型对步骤2中的测试集各模态分量子序列进行预测，得到预测的测试集各模态分量子序列o′(n)，最后将预测的测试集各模态分量子序列o′(n)进行累加得到预测集o'；
步骤5、利用步骤4中得到的预测集o'与步骤1历史数据中的测试集进行对比分析，完成大跨度钢结构建筑微应变的短期预测评价。
2.根据权利要求1所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤1中，将历史数据按9：1的比例分成训练集和测试集。
3.根据权利要求1所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤2具体为：
步骤201、分解历史数据，初始化各模态中心频率算子最大迭代次数N、惩罚因子α以及变分模态数目K；
步骤202、更新参数和
步骤203、对于给定的判别精度ε＞0，若满足则停止迭代，否则返回步骤202；
步骤204、利用相空间重构对分解得到的各模态分量数据进行加工处理优化，得到高维特征空间的各模态分量子序列。
4.根据权利要求3所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤3具体为：
步骤301、采用步骤204中得到的高维特征空间的各模态分量子序列作为训练样本代入门控循环单元中进行学习训练；
步骤302、使用训练样本中各模态分量子序列从门控循环单元的反向误差传播更新公式中学习更多的钢结构建筑微应变的短期预测相关的信息。
5.根据权利要求3所述的大跨度钢结构建筑微应变的短...
【专利技术属性】
技术研发人员：段中兴，刘瑞兴，焦晨琳，陈亚州，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。