申请/专利权人：河南大学

申请日：2021-06-24

公开（公告）日：2024-02-27

公开（公告）号：CN113569908B

主分类号：G06F18/20

分类号：G06F18/20;G06F18/241;G06N3/084;G06N3/006;G06Q10/20;G06Q50/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.27#授权;2021.11.16#实质审查的生效;2021.10.29#公开

摘要：本发明公开了基于深度学习的桥梁技术状况及病害预测反推演算方法，包括记录桥梁服役期间的桥梁技术状况评分以及病害情况；确定神经网络结构，设置神经网络以及CPSO算法参数，通过CPSO算法对BP神经网络的权值以及阈值进行优化；结合记录的桥梁技术状况评分，设置预测模型的训练集与检测集，并且对CPSO‑BP神经网络模型进行训练；通过训练好的神经网络对桥梁往后几年的技术状况评分进行预测；结合MC模型对CPSO‑BP网络预测模型的波动性较大的预测结果进行修正；本发明能够在保证准确率的前提下提高桥梁检测效率，通过对桥梁技术状况评分进行预测，精确预测桥梁病害位置、种类以及程度，能够准确的给出桥梁针对性的养护维修方案。

主权项：1.基于深度学习的桥梁技术状况及病害预测反推演算方法，其特征在于：包括以下步骤：1）记录桥梁服役期间的桥梁技术状况评分以及病害情况；2）确定神经网络结构，设置神经网络以及CPSO算法参数，通过CPSO算法对BP神经网络的权值以及阈值进行优化；3）结合记录的桥梁技术状况评分，设置预测模型的训练集与检测集，并且对CPSO-BP神经网络模型进行训练；4）通过训练好的神经网络对桥梁往后几年的技术状况评分进行预测；5）结合MC模型对CPSO-BP网络预测模型的波动性较大的预测结果进行修正；6）按照下式（1）计算桥梁各个构件在全桥技术状况评分中的权重，去除一些权重特别小可以忽略不计的构件；Wi=Wj×Wk（1）式中：为构件在全桥中的权重，为构件在结构中的权重；为结构在全桥中的权重；7）按照下式（2）计算各构件在全桥技术状况评分中的扣分值；Qin=（100-Hin）×Wi（1）式中：Qin为构件i在第n年在全桥技术状况总评分中的扣分值；Hin为构件i在第n年的技术状况评分；Wi为构件i在全桥中的权重；8）结合前一年各结构的技术状况评分以及桥梁各结构技术状况评分扣分值不会下降的特性，计算出预测年桥梁各结构的技术状况评分扣分值的范围，并取其中值认定为预测年中该结构的技术状况评分扣分值，最终通过检验对各结构的技术状况评分扣分预测值进行修正；9）按照步骤（8）中同样的方法计算出各构件预测年的技术状况评分的扣分值；10）最终通过构件技术状况的扣分值，结合预测年前一年桥梁各部件病害情况给出预测年桥梁病害种类以及程度。

全文数据：

权利要求：

百度查询： 河南大学 基于深度学习的桥梁技术状况及病害预测反推演算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD