论文摘要
随着计算机技术的快速发展,土木工程领域的监测、预测方法得到了不断的更新。以大体积混凝土浇筑过程为工程背景,结合BP、GA-BP、PSO-BP、SOM、CNN、SVM和PNN算法建立预测模型。通过实测数据和预测模型得出:大体积混凝土水化放热会使得内部温度在2 d内先升高后下降;以统计率理论为基础的SVM、PNN神经网络和以深度学习为基础的CNN神经网络所建立的预测模型与实测数据非常吻合,其误差在2%以内;BP神经网络预测误差在10%左右,但通过遗传算法进行改进后误差在5%左右。结合七种人工智能方法,选择合适的算法并进行优化,可为今后土木工程领域监测-预测-预警提供依据。
论文目录
文章来源
类型: 期刊论文
作者: 丁杨,周双喜,董晶亮,王中平,郑智秋
关键词: 人工智能,土木工程,健康监测
来源: 材料导报 2019年S1期
年度: 2019
分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技
专业: 建筑科学与工程,自动化技术
单位: 浙江大学建筑工程学院,华东交通大学土木建筑学院,同济大学材料科学与工程学院
基金: 国家重点研发项目(2016YFC0700807,2017YFC0504506,2017YFC0504503),国家青年基金项目(51708220),水利部黄土高原水土流失过程与控制重点实验室开放课题基金(201806)~~
分类号: TU317;TP18
页码: 274-277
总页数: 4
文件大小: 2736K
下载量: 955