【技术实现步骤摘要】
本申请涉及设计方案智能决策，尤其涉及设计方案联合决策多尾神经网络模型及训练方法。
技术介绍
1、随着智能技术突飞猛进，铁路桥跨方案设计一直朝着一体化、数字化、可视化、智能化的方向发展，而桥梁下部结构，特别是桥梁群桩基础的智能设计，是桥跨方案智能设计的重要组成部分，快速、准确及高效的对桥梁群桩基础方案做出决策，将有助于桥跨方案的自动搜索和优化。群桩基础是一种在铁路桥梁工程中常用的基础形式，特别是在需要承受大荷载的大跨度结构中。群桩基础是由多根桩组成的桩群，共同承担上部结构的荷载，并将这些荷载传递到深层土层或岩石层中。常用的基桩直径有1.0m、1.25m、1.5m、1.8m、2.0m、2.2m、2.5m、3.0m等，常用的群桩基桩个数有8根、9根、10根、11根、12根、15根、16根、18根等，可见，总共10多种基桩直径以及10多种基桩数量，组合起来类别较多，出现了桩基方案决策时的“组合爆炸”问题，导致桩基方案决策效率低、准确性差。
2、因此，如何有效提高方案决策的效率和准确性是目前亟需解决的一个问题。
3、上述内...
【技术保护点】
1.一种设计方案联合决策多尾神经网络模型及训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于历史设计案例生成目标数据集，包括：
3.如权利要求1所述的方法，其特征在于，所述通过所述目标数据集对多尾神经网络模型进行分阶段联合训练，得到方案决策模型，包括：
4.如权利要求3所述的方法，其特征在于，所述通过所述训练集对所述多尾神经网络模型进行分阶段联合训练，得到训练后的多尾神经网络模型，包括：
5.如权利要求4所述的方法，其特征在于，所述将所述特征参数输入至所述数据嵌入层进行嵌入处理，得到目...
【技术特征摘要】
1.一种设计方案联合决策多尾神经网络模型及训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于历史设计案例生成目标数据集，包括：
3.如权利要求1所述的方法，其特征在于，所述通过所述目标数据集对多尾神经网络模型进行分阶段联合训练，得到方案决策模型，包括：
4.如权利要求3所述的方法，其特征在于，所述通过所述训练集对所述多尾神经网络模型进行分阶段联合训练，得到训练后的多尾神经网络模型，包括：
5.如权利要求4所述的方法，其特征在于，所述将所述特征参数输入至所述数据嵌入层进行嵌入处理，得到目标嵌入向量，包括：
6.如权利要求4所述的方法，其特征在于，所述将所述目标嵌入向量输入至所述公共特征提取层进行特征提取，得到特征向量，包括：
7.如权利要求4所述的方法，其特征在于，所述将所述公共特征向...
【专利技术属性】
技术研发人员：柏华军，彭利辉，陈瓴，姚洪锡，钟晶，高华，李波，张德旺，刘诗文，张凯翔，秦寰宇，郗宏庆，陈冲，赵月悦，
申请(专利权)人：中铁第四勘察设计院集团有限公司，
类型：发明
国别省市：
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。