[发明专利]一种基于SCA-GRU的桥梁异常监测方法、系统、设备及存储介质有效
申请号: | 202210218264.9 | 申请日: | 2022-03-08 |
公开(公告)号: | CN114357594B | 公开(公告)日: | 2022-08-23 |
发明(设计)人: | 林涛;温纤纤;许华杰;刘星 | 申请(专利权)人: | 深圳市城市交通规划设计研究中心股份有限公司 |
主分类号: | G06F30/13 | 分类号: | G06F30/13;G06F30/27;G06K9/62;G06N3/04;G06F16/2458 |
代理公司: | 哈尔滨市伟晨专利代理事务所(普通合伙) 23209 | 代理人: | 荣玲 |
地址: | 518131 广东省深圳市龙华区民治*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 sca gru 桥梁 异常 监测 方法 系统 设备 存储 介质 | ||
1.一种基于SCA-GRU的桥梁异常监测方法,其特征在于,包括以下步骤:
步骤一、收集桥梁监测数据,将数据作为样本数据集;
所述桥梁监测数据包括环境温湿度、风速风向、交通荷载、地震动、降雨量,主梁挠度、索塔偏位、支座位移、拉索索力,主梁竖向振动或主梁横向振动中的一种或几种的组合数据作为样本数据集;
所述监测数据由桥梁上的监测设备获取;
步骤二、将步骤一所述监测数据进行归一化处理;
步骤三、将步骤一所述样本数据集进行划分,将80%的数据作为三层神经网络模型的数据作为训练集,20%的数据作为测试集;
步骤四、将训练集作为GRU模型的输入层输入数据,输出层输出预测类型;
步骤五、使用均方误差函数作为损失函数计算实际值与预测值之间的差距;
步骤六、使用Adam优化器优化目标函数,在每次训练迭代GRU时计算损失函数的梯度,进而更新GRU模型的网络权重和偏置;
步骤七、判断迭代次数,当迭代次数等于D时,获得最优参数,并将最优参数应用于GRU模型;当迭代次数小于D时,SCA算法寻找最优超参数,将最优超参数输入GRU模型中,重复步骤五至步骤六,获得最优参数的具体方法是:
确定随机数和的值,更新超参数:
其中,第
步骤八、将步骤三所述测试集,输入优化后的GRU模型中,输出预测结果。
2.根据权利要求1所述的一种基于SCA-GRU的桥梁异常监测方法,其特征在于,步骤二所述监测数据进行归一化处理的具体方法是:
其中,表示输入数据,表示归一化后的数据,表示输入数据的最大值,表示输入数据的最小值。
3.根据权利要求2所述的一种基于SCA-GRU的桥梁异常监测方法,其特征在于,步骤四所述将训练集作为GRU模型的输入层输入数据,输出层输出预测类型的具体方法是:
输入层输入的数据为X,,其中()为设备的各项监测数据,为异常类型,确定需要优化的GRU超参数,确定迭代次数D,随机产生超参数的初始值,将超参数值应用于两层GRU中,确定两层GRU的输入节点个数
4.一种基于SCA-GRU的桥梁异常监测系统,其特征在于,用于实现权利要求1所述一种基于SCA-GRU的桥梁异常监测方法的系统,包括数据采集模块、数据传输模块、桥梁异常预测模块、数据异常报警模块和数据异常显示模块;数据采集模块、数据传输模块、桥梁异常预测模块、数据异常报警模块和数据异常显示模块依次连接;所述数据采集模块用于采集桥梁数据;所述桥梁异常预测模块用于对桥梁数据进行分析预测输出数据检测结果;所述数据传输模块用于将数据采集模块采集到的数据传输至桥梁异常预测模块;所述异常报警模块用于对异常数据进行报警;所述显示模块用于显示异常数据和异常原因。
5.电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求1至3任一项所述的一种基于SCA-GRU的桥梁异常监测方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至3任一项所述的一种基于SCA-GRU的桥梁异常监测方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市城市交通规划设计研究中心股份有限公司,未经深圳市城市交通规划设计研究中心股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210218264.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:电子文档的处理方法及装置
- 下一篇:一种移动设备联邦学习方法及系统