• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的橋梁健康監(jiān)測數(shù)據(jù)有效性分析

    2021-03-15 12:33:00梁宗保納守勇馬天立
    關(guān)鍵詞:監(jiān)測數(shù)據(jù)神經(jīng)元標(biāo)簽

    梁宗保,柴 潔, 納守勇,馬天立,唐 玉

    (1. 重慶交通大學(xué) 信息科學(xué)與工程學(xué)院,重慶 400074; 2. 重慶忠萬高速公路有限公司,重慶 401147)

    0 引 言

    建立四通八達(dá)的現(xiàn)代化交通網(wǎng),大力發(fā)展交通運輸事業(yè),對發(fā)展國民經(jīng)濟,促進(jìn)文化交流和鞏固國防等方面都具有非常重要的作用。橋梁是交通的重要組成部分,橋梁安全問題是在役橋梁的核心問題。通過橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)可以實時了解橋梁結(jié)構(gòu)狀態(tài),對橋梁進(jìn)行有效維護(hù),延長橋梁的使用壽命。

    橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)包含信息獲取與安全評價兩個環(huán)節(jié)[1],信息獲取環(huán)節(jié)以多種類型的傳感器及相關(guān)儀器組成的硬件系統(tǒng)為主。橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)中數(shù)據(jù)有效性問題大多是由信息獲取環(huán)節(jié)的硬件設(shè)備造成的。監(jiān)測設(shè)備出現(xiàn)故障,無法為后續(xù)的安全評價提供正確的原始信息,從而對評價結(jié)果產(chǎn)生嚴(yán)重影響,導(dǎo)致橋梁結(jié)構(gòu)事故預(yù)兆的漏報或誤報。因此,傳感器采集的原始信息有效性問題是橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)面臨的重大科學(xué)技術(shù)問題。

    國內(nèi)外相關(guān)研究都集中在異常數(shù)據(jù)分析、橋梁安全評估等方面,對橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)有效性分析的研究較少。胡順仁等[2]采用主成分分析法,結(jié)合關(guān)聯(lián)穩(wěn)態(tài)模型分析,通過統(tǒng)計過程控制限和T2控制限的計算發(fā)現(xiàn)失效數(shù)據(jù)點;黃曉微等[3]提出了一種基于K最近鄰的傳感器有效度算法,并將該算法應(yīng)用于攀枝花倮果大橋健康監(jiān)測系統(tǒng)的撓度數(shù)據(jù)分析;袁慎芳等[4]利用超球面一類支持向量機,結(jié)合核主成分分析,成功識別常規(guī)監(jiān)測數(shù)據(jù)和特殊事件數(shù)據(jù)。但這些方法都是根據(jù)數(shù)據(jù)的統(tǒng)計特性識別單點失真數(shù)據(jù),需要大量的領(lǐng)域知識,不能直接用于判斷數(shù)據(jù)的有效性。

    近年來,深度學(xué)習(xí)(deep learning, DL)在人工智能領(lǐng)域取得了重大成果。DL由G. E. HINTON等[5]在2006年提出,DL模型由多層非線性運算單元組合而成,將較低層的輸出作為更高一層的輸入,通過這種方式自動地從大量訓(xùn)練數(shù)據(jù)中學(xué)習(xí)抽象的特征表示,發(fā)現(xiàn)數(shù)據(jù)的分布特征。 DL因在特征提取與處理方面的優(yōu)勢在計算機視覺[6]、語音識別[7-8]與自然語言處理[9]等領(lǐng)域應(yīng)用廣泛。DL在橋梁健康監(jiān)測系統(tǒng)中也發(fā)揮著重要作用。梁宗保等[10]提出了一種基于DL的橋梁結(jié)構(gòu)健康診斷方法,將自編碼器、支持向量機(support vector machine, SVM)相結(jié)合,采用5層網(wǎng)絡(luò)對橋梁結(jié)構(gòu)健康進(jìn)行診斷;馮微等[11]針對車撞橋墩過程中橋墩受損等級不易被實時監(jiān)測和預(yù)警的問題,構(gòu)建了基于DL的橋墩損傷等級判別模型;S. CHEN等[12]提出了一種多分辨率自適應(yīng)圖濾波分類方法,通過半監(jiān)督學(xué)習(xí)標(biāo)記信號并將該方法間接應(yīng)用于橋梁結(jié)構(gòu)健康監(jiān)測。但在監(jiān)測數(shù)據(jù)有效性分析中,DL尚未得到廣泛應(yīng)用,鑒于DL具備從復(fù)雜數(shù)據(jù)中提取數(shù)據(jù)特征、學(xué)習(xí)數(shù)據(jù)分布的能力,可以將DL應(yīng)用于橋梁健康監(jiān)測數(shù)據(jù)有效性分析。

    橋梁由不同的結(jié)構(gòu)體組成,斜拉橋同一結(jié)構(gòu)體各測量點間呈現(xiàn)位置上的關(guān)聯(lián)[2],同一時刻受到同一外部作用時,同截面和相鄰測量點的數(shù)據(jù)保持高度關(guān)聯(lián)。針對上述特性,提出了一種灰色關(guān)聯(lián)度與DL相結(jié)合的方法,通過灰色關(guān)聯(lián)分析(grey relation analysis, GRA)對數(shù)據(jù)進(jìn)行預(yù)處理,自動給定數(shù)據(jù)標(biāo)簽并進(jìn)行標(biāo)簽正確性驗證,結(jié)合DL模型深度神經(jīng)網(wǎng)絡(luò)(deep neural network, DNN)、深度信念網(wǎng)絡(luò)(deep belief network, DBN)對數(shù)據(jù)有效性進(jìn)行分析,提高模型預(yù)測效率,實現(xiàn)了監(jiān)測數(shù)據(jù)有效性的智能分析。

    1 DNN與DBN

    1.1 DNN

    DNN是輸入層和輸出層之間有多個隱藏層的人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN),DNN通過學(xué)習(xí)來存儲輸入與輸出間的復(fù)雜映射關(guān)系。DNN中單個神經(jīng)元為感知機模型,模型結(jié)構(gòu)如圖1。感知機模型是生物神經(jīng)細(xì)胞的簡單抽樣,模型輸出是輸入經(jīng)過線性變換與函數(shù)激活的結(jié)果。神經(jīng)元上的計算為:

    (1)

    式中:x為模型輸入;w為權(quán)重;b為偏置;Z為線性運算結(jié)果;f()為激活函數(shù),通常為tanh()或sigmoid()函數(shù);y為神經(jīng)元輸出。DNN的學(xué)習(xí)是基于損失函數(shù)最小化的,通過反向傳播算法最小化假設(shè)函數(shù)與實際值間的距離,迭代優(yōu)化w與b。

    圖1 感知機模型

    DNN通過疊加多層感知機,解決了淺層神經(jīng)網(wǎng)絡(luò)非線性擬合不佳的問題。對于非線性的復(fù)雜數(shù)據(jù),DNN能自動提取數(shù)據(jù)特征,具有較高的預(yù)測精度。

    1.2 DBN

    受限玻爾茲曼機(restricted boltzmann machines, RBM)是包含一層可見單元和一層隱藏單元的無向概率圖模型,層間全連接,層內(nèi)無連接,其結(jié)構(gòu)如圖2。DBN是由多個RBM累疊所得,且具有若干隱藏變量層的生成模型。作為自編碼器,DBN可以在盡量保留數(shù)據(jù)特征的情況下降低數(shù)據(jù)維度;作為分類器,DBN可以有效減少分類錯誤率。DBN的一種高效訓(xùn)練方式是將復(fù)雜模型看作是一組簡單模型的組合序列,采用逐層無監(jiān)督的方法學(xué)習(xí)參數(shù)[13]。

    圖2 RBM模型

    DBN允許序列中的RBM接收不同的數(shù)據(jù)表示,且保持前一個RBM的輸出為后一個RBM的輸入,因此能夠更好的學(xué)習(xí)數(shù)據(jù)分布,具有較高的分類性能。

    2 數(shù)據(jù)有效性預(yù)測模型設(shè)計

    DNN、DBN模型可以學(xué)習(xí)到刻畫數(shù)據(jù)本質(zhì)屬性的特征,對數(shù)據(jù)分類任務(wù)有很大幫助[14]。以下利用DNN與DBN,建立用于分析橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)傳感器數(shù)據(jù)有效性的模型。

    2.1 DNN模型結(jié)構(gòu)

    建立用于橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)有效性分析的DNN模型主要需要確定以下超參數(shù):模型層數(shù)、輸入層神經(jīng)元個數(shù)、輸出層神經(jīng)元個數(shù)、隱藏層神經(jīng)元個數(shù)。模型輸入層神經(jīng)元個數(shù)一般等于輸入的數(shù)據(jù)序列長度,輸出層神經(jīng)元個數(shù)為分類任務(wù)的類別數(shù)。參考Kolmogorov定理,結(jié)合對比實驗,確定模型層數(shù)及神經(jīng)元個數(shù)。模型結(jié)構(gòu)如圖3,圖中數(shù)據(jù)為該層內(nèi)神經(jīng)元個數(shù)。

    圖3 DNN模型結(jié)構(gòu)

    模型損失函數(shù)采用交叉熵函數(shù):

    h0(xi)]

    (2)

    式中:h0(xi)為輸入xi時DNN的輸出;yi為樣本標(biāo)簽;N為樣本個數(shù)。

    反向傳播過程中計算公式為:

    (3)

    式中:α為學(xué)習(xí)率。

    模型輸出與數(shù)據(jù)段類型對應(yīng)關(guān)系如表1。模型訓(xùn)練過程:利用權(quán)重系數(shù)矩陣w與偏置向量b和輸入向量x進(jìn)行前向傳播得到模型輸出;計算模型輸出與標(biāo)簽間的損失函數(shù);通過反向傳播算法最小化損失函數(shù),優(yōu)化模型參數(shù),提高模型性能。

    表1 模型輸出結(jié)果對應(yīng)關(guān)系

    2.2 DBN模型結(jié)構(gòu)

    建立用于橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)有效性分析的DBN模型,模型由兩個RBM堆疊而成。模型輸入層神經(jīng)元個數(shù)與輸入序列長度一致,模型結(jié)構(gòu)如圖4,圖中括號內(nèi)為單層神經(jīng)元個數(shù)。模型訓(xùn)練過程采用對比散度算法[15],詳細(xì)流程如1)至4):

    圖4 DBN模型結(jié)構(gòu)

    1)將輸入賦值給可見層v,計算隱藏層中每個神經(jīng)元被激活的概率p(h1|v1)。隱藏層中神經(jīng)元hj被激活的概率為:

    (4)

    式中:hj=1為神經(jīng)元處于激活狀態(tài);f()為激活函數(shù);bj為j的偏置;vi為可見層神經(jīng)元i的輸入;wij為i與j間的權(quán)重。

    2)利用Gibbs采樣,從已得到的概率分布中抽取一個樣本:h1~p(h1|v1)。

    3)通過h1實現(xiàn)可見層的重構(gòu),利用隱藏層反推可見層中神經(jīng)元被激活的概率p(v2|h1)??梢妼又猩窠?jīng)元vi被激活的概率為:

    (5)

    式中:ci為i的偏置。

    4)同2),抽取一個樣本v2~p(v2|h1),用v2計算隱藏層神經(jīng)元激活概率p(h2|v2)并更新參數(shù)為:

    (6)

    式中:w為權(quán)重;b、c分別是可見層和隱藏層的偏置;λ為學(xué)習(xí)率。

    模型訓(xùn)練過程如下:將輸入層和隱藏層H1作為第1個RBM,訓(xùn)練RBM的參數(shù),然后固定參數(shù),將H1作為可見層,H2作為隱藏層,訓(xùn)練第2個RBM,逐層訓(xùn)練每一個RBM,最后通過有監(jiān)督的反向傳播算法微調(diào)網(wǎng)絡(luò)中每層之間的權(quán)重,進(jìn)一步優(yōu)化網(wǎng)絡(luò)。

    3 無效數(shù)據(jù)段特征分析與數(shù)據(jù)集構(gòu)建

    對橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)進(jìn)行特征分析的主要目的是研究數(shù)據(jù)的分布特征,進(jìn)一步對數(shù)據(jù)進(jìn)行分析與處理。目前橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)的特征分析大多針對單點數(shù)據(jù),但在實際應(yīng)用中,單點與數(shù)據(jù)段之間存在一定的關(guān)聯(lián),一個無效數(shù)據(jù)段必然包含無效數(shù)據(jù)點,單個數(shù)據(jù)點的失效也會導(dǎo)致數(shù)據(jù)段的失效,因此在數(shù)據(jù)特征分析的基礎(chǔ)上針對數(shù)據(jù)段進(jìn)行處理,主要方法如下:首先根據(jù)無效數(shù)據(jù)段常見特征標(biāo)記數(shù)據(jù)段,然后結(jié)合橋梁撓度傳感器節(jié)點布置情況根據(jù)GRA[16]對數(shù)據(jù)有效性進(jìn)行分類,構(gòu)建數(shù)據(jù)集。

    3.1 無效數(shù)據(jù)段特征分析

    數(shù)據(jù)段失效可能是連續(xù)的數(shù)據(jù)點失效,也可能是單個數(shù)據(jù)點異常。無效數(shù)據(jù)一般存在兩種情況:超過閾值且無法恢復(fù)的數(shù)據(jù);因傳感器故障而產(chǎn)生震蕩的數(shù)據(jù)。

    無效數(shù)據(jù)段常見的特征如下:①漂移失效:在斜拉橋監(jiān)測中,正常情況下,測點數(shù)據(jù)在一段時間內(nèi)的幅值變化具有一定規(guī)律,如果某段時間內(nèi),數(shù)據(jù)幅值呈現(xiàn)連續(xù)小幅恒定增加或小幅恒定減小的漂移變化,則此段數(shù)據(jù)為漂移失效;②數(shù)據(jù)頻率異常:正常情況下橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)按照一定的頻率波動,無效數(shù)據(jù)可能出現(xiàn)波動異常;③恒值失效:傳感器因故停止工作或輸出不變,可能導(dǎo)致某一時間段內(nèi)數(shù)據(jù)為恒定值;④數(shù)據(jù)段跳變:相比原有數(shù)據(jù),某段數(shù)據(jù)的波動特征變化不明顯,但幅值出現(xiàn)較為明顯的增加或減少。

    3.2 數(shù)據(jù)集構(gòu)建

    根據(jù)3.1節(jié)中無效數(shù)據(jù)段常見特征能夠?qū)?shù)據(jù)段進(jìn)行可視化標(biāo)記,但很大一部分無效數(shù)據(jù)段的變化處于合理的范圍內(nèi),沒有表現(xiàn)出可視化的常見無效特征,因此不能直接標(biāo)記。鑒于斜拉橋同截面與相鄰節(jié)點的數(shù)據(jù)存在高度關(guān)聯(lián)的特性,可利用關(guān)聯(lián)性分析來標(biāo)記無效數(shù)據(jù)段。

    關(guān)聯(lián)性分析是一種能夠可視化地定量地說明事物或參數(shù)之間相互關(guān)系的方法,主要思路是通過比較一個樣本數(shù)據(jù)序列和其他若干序列在不同維度上的相似程度來衡量序列間的緊密性。GRA是一種經(jīng)典的多因素關(guān)聯(lián)分析方法,主要研究對象是離散的數(shù)據(jù)狀態(tài)變量,比如橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)。在系統(tǒng)發(fā)展過程中,如果兩個因素的變化趨勢具有一致性,即同步程度較高,則認(rèn)為兩者關(guān)聯(lián)較大;反之,則兩者關(guān)聯(lián)較小。斜拉橋結(jié)構(gòu)特性表明,其相鄰節(jié)點在荷載作用下的效應(yīng)數(shù)據(jù)之間的關(guān)聯(lián)性較強,而節(jié)點數(shù)據(jù)失效則會影響這種關(guān)聯(lián)性。因此灰色關(guān)聯(lián)度可以運用在斜拉橋撓度數(shù)據(jù)分析中,根據(jù)參考序列和比較序列間的動態(tài)關(guān)聯(lián)關(guān)系判斷監(jiān)測數(shù)據(jù)是否有效。GRA標(biāo)記數(shù)據(jù)的步驟如下:

    1)確定數(shù)據(jù)列:將撓度傳感器數(shù)據(jù)以天為單位切分為數(shù)據(jù)段,需要判斷有效性的數(shù)據(jù)段為參考數(shù)據(jù)列,相鄰和同截面節(jié)點的數(shù)據(jù)列為比較數(shù)據(jù)列。

    2)數(shù)據(jù)標(biāo)準(zhǔn)化:對數(shù)據(jù)序列進(jìn)行無量綱處理,轉(zhuǎn)化為方差為0,標(biāo)準(zhǔn)差為1的數(shù)據(jù)序列。

    3)計算關(guān)聯(lián)系數(shù):假設(shè)參考數(shù)據(jù)列X0和m個比較數(shù)據(jù)列X{Xi|i=1,2,……m}均有n維分量,關(guān)聯(lián)系數(shù)的計算公式為:

    ξoi(k)=

    (7)

    式中:ρ為分辨系數(shù),取值一般在區(qū)間(0, 1);k為第k維分量。

    4)計算關(guān)聯(lián)度:計算參考數(shù)據(jù)列在各個分量上的關(guān)聯(lián)系數(shù)均值為:

    (8)

    式中:roi為關(guān)聯(lián)度,反映了序列間的變化相似度。

    5)判定參考數(shù)據(jù)列有效性:參照關(guān)聯(lián)度常用強度判定[17],結(jié)合斜拉橋結(jié)構(gòu)力學(xué)理論分析及橋梁行業(yè)一般認(rèn)定[2],對數(shù)據(jù)序列進(jìn)行有效性判定的標(biāo)準(zhǔn)如下:關(guān)聯(lián)度0.8~1.0屬于強關(guān)聯(lián),判定為有效數(shù)據(jù)段;0.8~0.6屬于較強關(guān)聯(lián),判定為一般有效數(shù)據(jù)段;0.6以下屬于弱關(guān)聯(lián),判定為無效數(shù)據(jù)段。判定結(jié)果標(biāo)簽設(shè)定如表2。

    表2 數(shù)據(jù)處理結(jié)果對應(yīng)關(guān)系

    其中,有效數(shù)據(jù)段即能夠真實反映橋梁節(jié)點結(jié)構(gòu)狀況的數(shù)據(jù)段,可直接用于后續(xù)的橋梁健康診斷。無效數(shù)據(jù)段即無法真實反映橋梁節(jié)點結(jié)構(gòu)狀況的數(shù)據(jù)段,不可用于橋梁健康診斷。而一般有效數(shù)據(jù)段即能夠大致反映橋梁節(jié)點結(jié)構(gòu)情況的數(shù)據(jù)段,需要進(jìn)一步處理以確認(rèn)其是否可用。例如通過修復(fù)其中的異常數(shù)據(jù)點,重新計算關(guān)聯(lián)度來確定其是否為有效數(shù)據(jù)段。

    采用上述判定標(biāo)準(zhǔn)對參考數(shù)據(jù)列與比較數(shù)據(jù)列的關(guān)聯(lián)度均值進(jìn)行判定,完成數(shù)據(jù)集的構(gòu)建。

    6)驗證數(shù)據(jù)標(biāo)簽可信度:使用統(tǒng)計算法3σ、孤立森林和LOF算法對傳感器數(shù)據(jù)進(jìn)行單點異常分析,通過異常點在數(shù)據(jù)段所占比例驗證標(biāo)簽可信度。

    根據(jù)上述方法結(jié)合傳感器布置位置對馬桑溪大橋主梁撓度傳感器數(shù)據(jù)進(jìn)行特征分析與處理,構(gòu)建數(shù)據(jù)集。馬桑溪大橋撓度傳感器節(jié)點布置如圖5,圖中節(jié)點標(biāo)號與關(guān)聯(lián)度計算中數(shù)據(jù)列標(biāo)號對應(yīng)。圖6為數(shù)據(jù)段關(guān)聯(lián)度計算結(jié)果示例。表3為數(shù)據(jù)集標(biāo)簽可信度驗證結(jié)果。

    圖5 橋梁主梁傳感器節(jié)點布置

    4 實驗與結(jié)果分析

    4.1 數(shù)據(jù)集、度量方式與實現(xiàn)細(xì)節(jié)

    在橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)有效性分析中,使用第3部分的數(shù)據(jù)列構(gòu)建數(shù)據(jù)集,判定結(jié)果為數(shù)據(jù)標(biāo)簽,表1為模型輸出與數(shù)據(jù)標(biāo)簽間對應(yīng)關(guān)系。將數(shù)據(jù)集以6∶2∶2的比例切分為訓(xùn)練集、驗證集與測試集。采用交叉熵函數(shù)和準(zhǔn)確度作為衡量指標(biāo)。模型構(gòu)建主要基于Keras與TensorFlow框架,選定規(guī)模為32的小批量RMSprop作為模型優(yōu)化器,即反向傳播算法。

    表3 數(shù)據(jù)標(biāo)簽可信度

    圖6 關(guān)聯(lián)度計算結(jié)果示例

    4.2 實驗與實驗結(jié)果

    基于Keras框架構(gòu)建DNN模型,模型架構(gòu)如圖3,隱藏層選擇修正線性單元(rectified linear unit, RLU)作為激活函數(shù);輸出層激活函數(shù)為Softmax函數(shù);損失函數(shù)使用交叉熵函數(shù);學(xué)習(xí)率0.05;迭代次數(shù)100。根據(jù)圖4構(gòu)建DBN模型,激活函數(shù)、損失函數(shù)、評價指標(biāo)、迭代次數(shù)、學(xué)習(xí)率與DNN相同。

    使用決策樹(decision tree)、隨機森林(random forest)、 SVM等機器學(xué)習(xí)分類方法進(jìn)行對比實驗,實驗效果如表4。

    表4 模型預(yù)測結(jié)果對比

    4.3 實驗分析

    將決策樹、隨機森林、SVM等多種經(jīng)典機器學(xué)習(xí)算法與DNN、DBN模型進(jìn)行對比實驗,實驗結(jié)果如表4。在相同數(shù)據(jù)集上,相比于決策樹模型,DBN提高約14.12%的預(yù)測精度。實驗證明,深度模型具備較強的數(shù)據(jù)分析與處理能力,更適用于橋梁健康監(jiān)測數(shù)據(jù)有效性分析。

    但DNN、DBN模型中存在大量參數(shù),且參數(shù)初始值隨機設(shè)定,因此在訓(xùn)練過程中容易陷入局部最優(yōu),影響網(wǎng)絡(luò)模型訓(xùn)練及測試精度。結(jié)合人工螢火蟲群優(yōu)化算法(glowworm swarm optimization, GSO[18],進(jìn)一步優(yōu)化DBN。GSO具有較好的解決優(yōu)化問題的能力,將損失函數(shù)作為目標(biāo)函數(shù),采用GSO對RBM的初始參數(shù)進(jìn)行優(yōu)化,提高模型泛化性及測試精度。實驗結(jié)果如表5,表中DBN-R表示參數(shù)隨機初始化,DBN-GSO表示使用螢火蟲算法優(yōu)化初始參數(shù)。實驗證明使用GSO算法進(jìn)行模型參數(shù)初始化可以提高模型預(yù)測精度。

    表5 模型優(yōu)化結(jié)果

    5 結(jié) 論

    數(shù)據(jù)有效性分析對橋梁健康監(jiān)測系統(tǒng)具有重要意義。基于斜拉橋結(jié)構(gòu)特性,使用GRA對橋梁撓度傳感器數(shù)據(jù)段有效性進(jìn)行判斷,結(jié)合多種異常檢測算法對判斷結(jié)果進(jìn)行驗證。以判定結(jié)果為數(shù)據(jù)標(biāo)簽,利用DNN、DBN模型進(jìn)行訓(xùn)練,結(jié)合GSO與DBN,得出以下結(jié)論:

    1)采用GRA衡量數(shù)據(jù)段間的相關(guān)性,能夠自動給定數(shù)據(jù)標(biāo)簽并進(jìn)行驗證,為預(yù)測模型提供數(shù)據(jù)集。

    2) 基于DL的數(shù)據(jù)有效性分析模型效果優(yōu)于經(jīng)典機器學(xué)習(xí)方法。相比于決策樹,DBN模型預(yù)測準(zhǔn)確度提高了14.12%,具有更高的預(yù)測精度與應(yīng)用價值。

    3)基于DBN-GSO的橋梁結(jié)構(gòu)健康監(jiān)測數(shù)據(jù)有效性分析模型預(yù)測精度達(dá)到了94.47%,驗證了所提方法的有效性。

    猜你喜歡
    監(jiān)測數(shù)據(jù)神經(jīng)元標(biāo)簽
    《從光子到神經(jīng)元》書評
    自然雜志(2021年6期)2021-12-23 08:24:46
    GSM-R接口監(jiān)測數(shù)據(jù)精確地理化方法及應(yīng)用
    無懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    躍動的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    標(biāo)簽化傷害了誰
    基于二次型單神經(jīng)元PID的MPPT控制
    基于多進(jìn)制查詢樹的多標(biāo)簽識別方法
    計算機工程(2015年8期)2015-07-03 12:20:27
    毫米波導(dǎo)引頭預(yù)定回路改進(jìn)單神經(jīng)元控制
    GPS異常監(jiān)測數(shù)據(jù)的關(guān)聯(lián)負(fù)選擇分步識別算法
    国产精品久久电影中文字幕| 欧美xxxx性猛交bbbb| 韩国av在线不卡| 国产精品伦人一区二区| 午夜激情欧美在线| 听说在线观看完整版免费高清| 久久亚洲精品不卡| 婷婷六月久久综合丁香| 欧美激情久久久久久爽电影| 99久久成人亚洲精品观看| 成人亚洲精品av一区二区| 国产久久久一区二区三区| 一级毛片我不卡| 一级a爱片免费观看的视频| 国产亚洲精品久久久久久毛片| 又爽又黄无遮挡网站| 在线免费十八禁| 成人午夜高清在线视频| 岛国在线免费视频观看| 波多野结衣高清作品| 亚洲真实伦在线观看| 亚洲av中文av极速乱| 18+在线观看网站| 国产精品久久久久久久久免| 久99久视频精品免费| 亚洲av免费高清在线观看| 少妇裸体淫交视频免费看高清| 在线观看一区二区三区| 91av网一区二区| 亚洲国产精品合色在线| 老女人水多毛片| 亚洲国产精品国产精品| 精品久久久久久久久久免费视频| 级片在线观看| 久久精品国产亚洲网站| 午夜精品在线福利| 欧美xxxx性猛交bbbb| 一级毛片我不卡| 91久久精品国产一区二区成人| 日韩欧美免费精品| 久久6这里有精品| 在线看三级毛片| 亚洲av中文字字幕乱码综合| 成人av一区二区三区在线看| 亚州av有码| 亚洲av一区综合| 欧美性猛交╳xxx乱大交人| 久久人人精品亚洲av| 两个人的视频大全免费| 黄色日韩在线| 一个人看的www免费观看视频| 少妇的逼水好多| 国产亚洲精品综合一区在线观看| 中文亚洲av片在线观看爽| 日韩人妻高清精品专区| 国产精品亚洲一级av第二区| av专区在线播放| 国产 一区 欧美 日韩| 最近最新中文字幕大全电影3| 晚上一个人看的免费电影| 六月丁香七月| av在线播放精品| 久久久久久国产a免费观看| 精品乱码久久久久久99久播| 国产 一区精品| 男人舔女人下体高潮全视频| 天天躁日日操中文字幕| 成熟少妇高潮喷水视频| 国产精品电影一区二区三区| 亚洲中文日韩欧美视频| 午夜久久久久精精品| 国产女主播在线喷水免费视频网站 | 日韩欧美三级三区| 国产伦精品一区二区三区视频9| 亚洲av熟女| 一级av片app| 看片在线看免费视频| 免费无遮挡裸体视频| 成人精品一区二区免费| 亚洲欧美成人精品一区二区| 大又大粗又爽又黄少妇毛片口| 日韩在线高清观看一区二区三区| 欧美激情久久久久久爽电影| 中文字幕人妻熟人妻熟丝袜美| 高清毛片免费看| 久久草成人影院| 久99久视频精品免费| aaaaa片日本免费| 国产69精品久久久久777片| 免费人成在线观看视频色| 永久网站在线| 久久久久久国产a免费观看| 午夜激情福利司机影院| 日日摸夜夜添夜夜添av毛片| 日日啪夜夜撸| 黑人高潮一二区| 舔av片在线| 床上黄色一级片| 深夜精品福利| 俄罗斯特黄特色一大片| 女人十人毛片免费观看3o分钟| 久久韩国三级中文字幕| 能在线免费观看的黄片| 最近2019中文字幕mv第一页| 色视频www国产| 久久久欧美国产精品| 寂寞人妻少妇视频99o| 又粗又爽又猛毛片免费看| 久久久久免费精品人妻一区二区| 日韩欧美在线乱码| 久久久久久久久久成人| 中文资源天堂在线| 白带黄色成豆腐渣| 日日摸夜夜添夜夜添av毛片| 内射极品少妇av片p| 天天一区二区日本电影三级| 日本熟妇午夜| 99久久九九国产精品国产免费| 国产成人精品久久久久久| 99久久中文字幕三级久久日本| 一区二区三区四区激情视频 | 国产一区二区在线观看日韩| 国产一区二区在线观看日韩| 无遮挡黄片免费观看| 亚洲精品在线观看二区| 久久精品国产自在天天线| 亚洲熟妇中文字幕五十中出| 美女cb高潮喷水在线观看| 久久精品国产99精品国产亚洲性色| 国产黄色视频一区二区在线观看 | 久久鲁丝午夜福利片| 男女那种视频在线观看| 欧美潮喷喷水| 特级一级黄色大片| 色噜噜av男人的天堂激情| 午夜老司机福利剧场| 99热精品在线国产| 日本五十路高清| АⅤ资源中文在线天堂| 日日摸夜夜添夜夜爱| 久久天躁狠狠躁夜夜2o2o| 男女视频在线观看网站免费| 熟女人妻精品中文字幕| 禁无遮挡网站| 午夜激情欧美在线| 欧美极品一区二区三区四区| 欧美激情久久久久久爽电影| 在线免费观看的www视频| 俺也久久电影网| 男女之事视频高清在线观看| 欧美又色又爽又黄视频| 成人高潮视频无遮挡免费网站| 亚洲最大成人中文| a级一级毛片免费在线观看| 可以在线观看毛片的网站| 人人妻人人看人人澡| 国产毛片a区久久久久| 草草在线视频免费看| 男女之事视频高清在线观看| 国产一区二区激情短视频| 国产成人91sexporn| 亚洲熟妇中文字幕五十中出| 亚洲精品粉嫩美女一区| 亚洲av一区综合| 一区二区三区免费毛片| 国产精品美女特级片免费视频播放器| 亚洲欧美成人精品一区二区| 亚洲精品亚洲一区二区| 免费不卡的大黄色大毛片视频在线观看 | 男女那种视频在线观看| 久久久午夜欧美精品| 少妇人妻一区二区三区视频| 免费不卡的大黄色大毛片视频在线观看 | 国产精品国产高清国产av| 国产午夜福利久久久久久| 午夜福利高清视频| 亚洲欧美日韩无卡精品| 床上黄色一级片| 性插视频无遮挡在线免费观看| 一级毛片我不卡| 成年免费大片在线观看| 99热精品在线国产| 成年版毛片免费区| 亚洲专区国产一区二区| 免费在线观看影片大全网站| 色综合亚洲欧美另类图片| 床上黄色一级片| 国产精品一区二区三区四区久久| 亚洲av第一区精品v没综合| 免费观看的影片在线观看| 青春草视频在线免费观看| 亚洲精品在线观看二区| 久久午夜福利片| av专区在线播放| 亚洲精品成人久久久久久| 国模一区二区三区四区视频| 一级毛片aaaaaa免费看小| 国产精品一区二区性色av| 色吧在线观看| 免费大片18禁| 国产精品女同一区二区软件| 亚洲欧美日韩卡通动漫| 国产视频内射| av在线老鸭窝| 在线a可以看的网站| 色在线成人网| 露出奶头的视频| 亚洲图色成人| 精品人妻偷拍中文字幕| 97在线视频观看| 久久国内精品自在自线图片| 可以在线观看的亚洲视频| 国产欧美日韩一区二区精品| 久久精品国产亚洲av天美| 赤兔流量卡办理| 精品少妇黑人巨大在线播放 | 国产人妻一区二区三区在| 国内精品一区二区在线观看| 男人舔女人下体高潮全视频| 国产精品精品国产色婷婷| 一级毛片久久久久久久久女| 日韩欧美免费精品| 午夜爱爱视频在线播放| 亚洲美女搞黄在线观看 | 日本黄色视频三级网站网址| 欧美日本亚洲视频在线播放| 久久久色成人| h日本视频在线播放| 亚洲国产欧美人成| 精品久久久久久久久久久久久| 日产精品乱码卡一卡2卡三| 一区二区三区免费毛片| 熟妇人妻久久中文字幕3abv| 九九久久精品国产亚洲av麻豆| 久久天躁狠狠躁夜夜2o2o| 直男gayav资源| 色5月婷婷丁香| 欧美最新免费一区二区三区| ponron亚洲| 久久精品国产清高在天天线| 91久久精品国产一区二区三区| 亚洲国产精品成人综合色| 亚洲精品国产av成人精品 | 国产私拍福利视频在线观看| 桃色一区二区三区在线观看| 日本成人三级电影网站| 精品乱码久久久久久99久播| 午夜福利视频1000在线观看| 最近2019中文字幕mv第一页| 欧美丝袜亚洲另类| 成年av动漫网址| 国产精品不卡视频一区二区| 久久久久国产精品人妻aⅴ院| 99国产极品粉嫩在线观看| 国产男人的电影天堂91| 俺也久久电影网| 色5月婷婷丁香| 91麻豆精品激情在线观看国产| 给我免费播放毛片高清在线观看| 97超级碰碰碰精品色视频在线观看| 最近2019中文字幕mv第一页| 69人妻影院| 插阴视频在线观看视频| 蜜桃亚洲精品一区二区三区| 成年av动漫网址| 国产精品野战在线观看| 欧美区成人在线视频| 五月伊人婷婷丁香| 久久九九热精品免费| 97超碰精品成人国产| 欧美日韩在线观看h| 国产精品人妻久久久影院| 免费看美女性在线毛片视频| 亚洲性夜色夜夜综合| 最近在线观看免费完整版| 老司机福利观看| 国产激情偷乱视频一区二区| 小说图片视频综合网站| 草草在线视频免费看| 三级毛片av免费| 欧美三级亚洲精品| 一级毛片电影观看 | 亚洲精品影视一区二区三区av| 秋霞在线观看毛片| 久久久成人免费电影| 亚洲最大成人av| 极品教师在线视频| 人妻制服诱惑在线中文字幕| 91久久精品电影网| 国产高清激情床上av| 亚洲精品影视一区二区三区av| 亚洲美女搞黄在线观看 | 天美传媒精品一区二区| 女人被狂操c到高潮| 国产亚洲精品综合一区在线观看| 两个人的视频大全免费| 亚洲精品色激情综合| 亚洲av熟女| 国产乱人偷精品视频| 网址你懂的国产日韩在线| 黑人高潮一二区| 日本三级黄在线观看| 人妻夜夜爽99麻豆av| 听说在线观看完整版免费高清| 一本久久中文字幕| 色尼玛亚洲综合影院| 免费看光身美女| 久久精品国产自在天天线| 中国美女看黄片| 蜜桃久久精品国产亚洲av| 伊人久久精品亚洲午夜| www.色视频.com| 欧美成人a在线观看| 久久人妻av系列| 色噜噜av男人的天堂激情| 成年免费大片在线观看| ponron亚洲| 国产精品久久久久久av不卡| 成人一区二区视频在线观看| 国产精品久久久久久久电影| 97超视频在线观看视频| 国产亚洲av嫩草精品影院| 欧美潮喷喷水| 国产三级在线视频| 有码 亚洲区| 欧美色视频一区免费| 午夜视频国产福利| 日本免费一区二区三区高清不卡| 欧美一区二区国产精品久久精品| 给我免费播放毛片高清在线观看| 啦啦啦韩国在线观看视频| 日本五十路高清| 卡戴珊不雅视频在线播放| 韩国av在线不卡| 国产精品99久久久久久久久| eeuss影院久久| 18禁裸乳无遮挡免费网站照片| 观看免费一级毛片| 永久网站在线| 国产精品国产三级国产av玫瑰| 能在线免费观看的黄片| 国产亚洲精品久久久久久毛片| 性插视频无遮挡在线免费观看| 大香蕉久久网| 国产一区二区在线av高清观看| 久久99热6这里只有精品| 久久久欧美国产精品| 久久久久久九九精品二区国产| 长腿黑丝高跟| 中文字幕精品亚洲无线码一区| 欧美日本视频| av天堂在线播放| 18禁在线无遮挡免费观看视频 | 又粗又爽又猛毛片免费看| 男女视频在线观看网站免费| .国产精品久久| 日日摸夜夜添夜夜爱| 人人妻人人看人人澡| 久久久成人免费电影| 国产麻豆成人av免费视频| av专区在线播放| 日韩av不卡免费在线播放| 久久久久久久午夜电影| 亚洲人成网站在线播| 日本熟妇午夜| 国产精品国产三级国产av玫瑰| 最近2019中文字幕mv第一页| 欧美绝顶高潮抽搐喷水| 校园人妻丝袜中文字幕| 国产午夜精品论理片| 美女黄网站色视频| 国产精品一二三区在线看| 欧美人与善性xxx| 91av网一区二区| 日本爱情动作片www.在线观看 | 亚洲精品亚洲一区二区| 亚洲自偷自拍三级| 在线免费十八禁| 国产欧美日韩精品一区二区| 亚洲精品成人久久久久久| 最近在线观看免费完整版| 色哟哟哟哟哟哟| 亚洲国产色片| 又粗又爽又猛毛片免费看| 在线免费观看不下载黄p国产| 此物有八面人人有两片| 97超级碰碰碰精品色视频在线观看| 99久久久亚洲精品蜜臀av| 丝袜美腿在线中文| 亚洲av成人精品一区久久| 身体一侧抽搐| 日韩强制内射视频| 99热6这里只有精品| 在线a可以看的网站| 九九久久精品国产亚洲av麻豆| 久久久国产成人免费| 伊人久久精品亚洲午夜| 国产私拍福利视频在线观看| 99热这里只有是精品在线观看| 此物有八面人人有两片| 男人狂女人下面高潮的视频| 精品国产三级普通话版| 国产色爽女视频免费观看| 亚洲国产欧洲综合997久久,| 国产色爽女视频免费观看| 在线观看一区二区三区| 人妻少妇偷人精品九色| 国产在线男女| 日本与韩国留学比较| 床上黄色一级片| 又爽又黄无遮挡网站| 三级国产精品欧美在线观看| 中国国产av一级| 女的被弄到高潮叫床怎么办| 中文亚洲av片在线观看爽| 亚洲性夜色夜夜综合| 国产成人一区二区在线| 综合色丁香网| 麻豆一二三区av精品| 婷婷六月久久综合丁香| 久久久久九九精品影院| 黄色欧美视频在线观看| 欧美日本亚洲视频在线播放| 一区二区三区免费毛片| 国内精品久久久久精免费| 又粗又爽又猛毛片免费看| 欧美成人a在线观看| 国产色婷婷99| 少妇人妻一区二区三区视频| 成人av一区二区三区在线看| 长腿黑丝高跟| 国产黄色视频一区二区在线观看 | 一区二区三区免费毛片| 97超碰精品成人国产| 国产真实伦视频高清在线观看| 六月丁香七月| 国产精品电影一区二区三区| 亚洲成人精品中文字幕电影| 日本一二三区视频观看| 国内精品一区二区在线观看| 久久人人爽人人爽人人片va| 麻豆av噜噜一区二区三区| 国产高清不卡午夜福利| 我要看日韩黄色一级片| 亚洲在线观看片| 3wmmmm亚洲av在线观看| 99热这里只有是精品在线观看| 亚洲成人中文字幕在线播放| 国产aⅴ精品一区二区三区波| 狂野欧美白嫩少妇大欣赏| av在线老鸭窝| 97人妻精品一区二区三区麻豆| 成人av在线播放网站| 插逼视频在线观看| 日日摸夜夜添夜夜爱| 国产精品国产高清国产av| 亚洲aⅴ乱码一区二区在线播放| 国产视频一区二区在线看| 国产亚洲精品久久久com| 国产乱人视频| 女的被弄到高潮叫床怎么办| 99热只有精品国产| 麻豆一二三区av精品| 女生性感内裤真人,穿戴方法视频| 大又大粗又爽又黄少妇毛片口| 日韩制服骚丝袜av| 熟女人妻精品中文字幕| 日本-黄色视频高清免费观看| 最近中文字幕高清免费大全6| 男女那种视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 欧美色视频一区免费| 亚洲色图av天堂| 亚洲av熟女| 91在线观看av| 久久久久久大精品| 国产在线男女| 国产黄色小视频在线观看| 18+在线观看网站| 69av精品久久久久久| 免费av不卡在线播放| 亚洲国产精品成人综合色| 欧美激情久久久久久爽电影| 日本爱情动作片www.在线观看 | 少妇被粗大猛烈的视频| 熟女人妻精品中文字幕| 亚洲成人av在线免费| 欧美在线一区亚洲| 亚洲精华国产精华液的使用体验 | 国内揄拍国产精品人妻在线| 国产单亲对白刺激| 亚洲精品日韩av片在线观看| 国产 一区 欧美 日韩| 免费不卡的大黄色大毛片视频在线观看 | 久久久久国内视频| 国产精品乱码一区二三区的特点| a级毛片a级免费在线| 天堂影院成人在线观看| 深夜a级毛片| 可以在线观看的亚洲视频| 一进一出抽搐gif免费好疼| 久久久久国内视频| .国产精品久久| 国产精品女同一区二区软件| 欧美日本视频| 亚洲性夜色夜夜综合| 级片在线观看| 国产伦精品一区二区三区视频9| 日本黄色片子视频| ponron亚洲| 国产美女午夜福利| 熟女电影av网| 欧美成人a在线观看| 特级一级黄色大片| 超碰av人人做人人爽久久| 午夜视频国产福利| 九九热线精品视视频播放| 日日摸夜夜添夜夜添小说| 床上黄色一级片| 成人一区二区视频在线观看| 亚洲精品色激情综合| 欧美成人精品欧美一级黄| 2021天堂中文幕一二区在线观| 别揉我奶头~嗯~啊~动态视频| 国产免费一级a男人的天堂| 禁无遮挡网站| 亚洲专区国产一区二区| 欧美在线一区亚洲| 国产亚洲精品综合一区在线观看| 亚洲国产欧美人成| a级一级毛片免费在线观看| 成年女人永久免费观看视频| 国产精品人妻久久久久久| 亚洲五月天丁香| 91午夜精品亚洲一区二区三区| 内地一区二区视频在线| 成人特级av手机在线观看| 国产黄片美女视频| 非洲黑人性xxxx精品又粗又长| 99久久精品热视频| 国产精品不卡视频一区二区| 欧美成人a在线观看| 国产精品久久久久久久电影| 好男人在线观看高清免费视频| 日韩欧美 国产精品| 久久久色成人| 夜夜看夜夜爽夜夜摸| 亚洲婷婷狠狠爱综合网| 亚洲国产精品合色在线| 男女之事视频高清在线观看| 日韩国内少妇激情av| 观看美女的网站| 欧美日韩国产亚洲二区| 国产精品精品国产色婷婷| 亚洲性久久影院| 黄色视频,在线免费观看| 久久精品国产亚洲av涩爱 | 亚洲一区高清亚洲精品| 日韩三级伦理在线观看| 成人高潮视频无遮挡免费网站| 亚洲精品国产av成人精品 | 麻豆成人午夜福利视频| 一区二区三区高清视频在线| 男人的好看免费观看在线视频| 全区人妻精品视频| 亚洲精品国产av成人精品 | а√天堂www在线а√下载| 日韩,欧美,国产一区二区三区 | 亚洲精华国产精华液的使用体验 | 毛片女人毛片| 久久欧美精品欧美久久欧美| 桃色一区二区三区在线观看| www日本黄色视频网| 色综合站精品国产| 晚上一个人看的免费电影| 日本色播在线视频| 男人狂女人下面高潮的视频| 亚洲精品日韩av片在线观看| 久久草成人影院| 最新中文字幕久久久久| 在线播放国产精品三级| 亚洲av免费在线观看| 中文字幕久久专区| 成人亚洲精品av一区二区| 色噜噜av男人的天堂激情| 男女那种视频在线观看| 国产精品爽爽va在线观看网站| 久久精品国产亚洲av涩爱 | 日本欧美国产在线视频| 亚洲精品亚洲一区二区| 久久99热6这里只有精品| 成人国产麻豆网| 欧美一级a爱片免费观看看| 激情 狠狠 欧美| 一个人看的www免费观看视频| 国产欧美日韩一区二区精品| 久久人人精品亚洲av| 在线播放国产精品三级| 国产一区二区在线av高清观看| 国产探花极品一区二区| 18禁裸乳无遮挡免费网站照片| 不卡一级毛片| 一级黄片播放器| 午夜福利18| 欧美高清性xxxxhd video| 丰满人妻一区二区三区视频av| 亚洲人成网站高清观看| 少妇的逼好多水| 97超碰精品成人国产| av在线天堂中文字幕| 成年版毛片免费区| 毛片女人毛片| 又粗又爽又猛毛片免费看| 少妇熟女欧美另类| 国产精品福利在线免费观看|