[發(fā)明專利]一種大跨度鋼結構建筑微應變的短期預測方法

在審

• 申請?zhí)枺?/td>: 202110432691.2
• 申請日: 2021-04-21
• 公開（公告）號: CN113076587A
• 公開（公告）日: 2021-07-06
• 發(fā)明（設計）人: 段中興;劉瑞興;焦晨琳;陳亞州
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李鵬威

1.一種大跨度鋼結構建筑微應變的短期預測方法，其特征在于，包括以下步驟：

步驟1、獲取大跨度鋼結構建筑微應變的歷史數(shù)據(jù)，然后將歷史數(shù)據(jù)分成訓練集和測試集；

步驟2、利用變分模態(tài)分解方法對步驟1中的訓練集和測試集進行自適應分解，提取歷史數(shù)據(jù)中分解的各模態(tài)分量數(shù)據(jù)，再利用相空間重構對分解的各模態(tài)分量數(shù)據(jù)進行加工處理優(yōu)化，得到訓練集各模態(tài)分量子序列和測試集各模態(tài)分量子序列；

步驟3、利用步驟2中得到的訓練集各模態(tài)分量子序列作為訓練樣本，采用反向誤差傳播方法對門控循環(huán)單元中的各模態(tài)分量子序列進行訓練，利用損失函數(shù)對權重參數(shù)和偏移參數(shù)進行調整更新，完成深度網(wǎng)絡學習，建立訓練集各模態(tài)分量子序列的門控循環(huán)單元鋼結構建筑微應變的短期預測子模型；

步驟4、利用步驟3得到的訓練集各模態(tài)分量子序列的門控循環(huán)單元鋼結構建筑微應變的短期預測子模型對步驟2中的測試集各模態(tài)分量子序列進行預測，得到預測的測試集各模態(tài)分量子序列o′_(n)，最后將預測的測試集各模態(tài)分量子序列o′_(n)進行累加得到預測集o'；

步驟5、利用步驟4中得到的預測集o'與步驟1歷史數(shù)據(jù)中的測試集進行對比分析，完成大跨度鋼結構建筑微應變的短期預測評價。

2.根據(jù)權利要求1所述的大跨度鋼結構建筑微應變的短期預測方法，其特征在于，步驟1中，將歷史數(shù)據(jù)按9：1的比例分成訓練集和測試集。

3.根據(jù)權利要求1所述的大跨度鋼結構建筑微應變的短期預測方法，其特征在于，步驟2具體為：

步驟201、分解歷史數(shù)據(jù)，初始化各模態(tài)中心頻率算子最大迭代次數(shù)N、懲罰因子α以及變分模態(tài)數(shù)目K；

步驟202、更新參數(shù)和

步驟203、對于給定的判別精度ε＞0，若滿足則停止迭代，否則返回步驟202；

步驟204、利用相空間重構對分解得到的各模態(tài)分量數(shù)據(jù)進行加工處理優(yōu)化，得到高維特征空間的各模態(tài)分量子序列。

4.根據(jù)權利要求3所述的大跨度鋼結構建筑微應變的短期預測方法，其特征在于，步驟3具體為：

步驟301、采用步驟204中得到的高維特征空間的各模態(tài)分量子序列作為訓練樣本代入門控循環(huán)單元中進行學習訓練；

步驟302、使用訓練樣本中各模態(tài)分量子序列從門控循環(huán)單元的反向誤差傳播更新公式中學習更多的鋼結構建筑微應變的短期預測相關的信息。

5.根據(jù)權利要求3所述的大跨度鋼結構建筑微應變的短期預測方法，其特征在于，步驟201中，將歷史數(shù)據(jù)利用變分模態(tài)分解方法分解成5個調幅調頻子信號，并通過迭代搜尋各模態(tài)分量子序列最優(yōu)解，進而確定各分解模態(tài)分量子序列的中心頻率，實現(xiàn)各模態(tài)分量子序列的有效分離。

6.根據(jù)權利要求5所述的大跨度鋼結構建筑微應變的短期預測方法，其特征在于，步驟201中，輸入的參數(shù)量為1個，即大跨度鋼結構建筑微應變一定時間的歷史數(shù)據(jù)；中間的隱藏層根據(jù)變分模態(tài)分解方法確定為5個分量；輸出的參數(shù)量為1個，即歷史數(shù)據(jù)各模態(tài)分量子序列。

7.根據(jù)權利要求3所述的大跨度鋼結構建筑微應變的短期預測方法，其特征在于，步驟202中，具體更新如下：

其中，和分別代表f(ω)、μ_i(ω)、λ(ω)和的傅里葉變換；n代表迭代次數(shù)。

8.根據(jù)權利要求3所述的大跨度鋼結構建筑微應變的短期預測方法，其特征在于，步驟204中，采用相空間重構構造高維特征空間的各模態(tài)分量子序列，對于變分模態(tài)所分解的歷史數(shù)據(jù)各模態(tài)分量子序列X＝{x_i/i＝1,2,3,...，N}在不同服役期間預測h的相空間重構，具體為：

其中，L＝N-(d-1)·τ-h；N為歷史數(shù)據(jù)的樣本總數(shù)；τ和d分別是延遲時間和嵌入維數(shù)；X_i(i＝1,2,…,L)表示相空間中第i個空間矢量。