【技术实现步骤摘要】
本专利技术涉及建筑信息化，更具体地说，涉及基于迁移学习的城市地下空间沉降预测方法及其系统。
技术介绍
1、随着城市化进程的不断推进，地下空间开发已成为缓解城市用地紧张、提高土地利用效率的重要手段。然而，地下空间开发不可避免地会引起地表沉降，对城市建筑和基础设施的安全造成潜在威胁。因此，准确预测城市地下空间沉降对于保障城市安全和可持续发展至关重要。
2、传统的沉降预测方法主要包括经验公式法、数值模拟法和人工智能法。经验公式法简单直观，但难以考虑复杂的地质条件和施工因素，预测精度有限。数值模拟法虽然能够较好地模拟沉降机理，但计算复杂、耗时长，且对参数的准确性要求很高。近年来，随着机器学习技术的发展，基于人工智能的沉降预测方法得到了广泛应用。这类方法能够自动学习复杂的非线性关系，具有较强的预测能力。
3、然而，现有的人工智能预测方法仍存在一些问题。首先，这些方法通常需要大量的历史数据来训练模型，而在新开发的城市或地区，往往缺乏足够的沉降监测数据，导致模型训练困难，预测精度不高。其次，不同城市的地质条件和工程特点差异较大...
【技术保护点】
1.基于迁移学习的城市地下空间沉降预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取步骤具体包括：
3.根据权利要求1所述的方法，其特征在于，所述处理步骤中构建源域神经网络模型具体包括：
4.根据权利要求1所述的方法，其特征在于，所述处理步骤中构建目标域神经网络模型具体包括：
5.根据权利要求1所述的方法，其特征在于，所述处理步骤中执行迁移学习过程具体包括：
6.根据权利要求5所述的方法，其特征在于，所述动态调整源域知识迁移的程度具体包括：
7.根据权利要求1所述的方...
【技术特征摘要】
1.基于迁移学习的城市地下空间沉降预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取步骤具体包括：
3.根据权利要求1所述的方法，其特征在于，所述处理步骤中构建源域神经网络模型具体包括：
4.根据权利要求1所述的方法，其特征在于，所述处理步骤中构建目标域神经网络模型具体包括：
5.根据权利要求1所述的方法，其特征在于，所述处理步骤中执行迁移...
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。