[发明专利]一种基于卷积神经网络的斜拉索索力趋势预测方法

权利要求书

1.一种基于卷积神经网络的斜拉索索力趋势预测方法，其具体步骤为：

1)索力趋势数据集：对历史斜拉索索力数据按天进行分段，将连续7天的监测数据作为一个样本数据(采样频率1次/分)，将样本数据后续3天的数据作为当前样本数据的标记，从历史索力数据中，通过随机选取连续10天的数据，生成大量的训练数据集、测试数据集和验证数据集，三个数据集的样本量比例为60％,20％,20％；

2)预测未来索力的卷积神经网络模型：卷积神经网络由输入层、隐藏层和输出层组成；输入层为10080个历史索力数据点；输出层为的4320个预测索力数据点；隐藏层共有8层结构，包括3层卷积层、3层池化层和2层全连接层；在第1层全连接层之前设置Dropout(舍弃率取0.5)操作；利用训练数据集训练神经网络，利用验证数据集调整卷积神经网络的超参数，确定最终的卷积神经网络，通过测试数据集的测试，来确定斜拉索力的预测效果；

3)卷积神经网络预测模型的自我修正：训练好的卷积神经网络预测模型在实际监测应用中，除了利用最新7天索力数据预测未来3天索力数据外，还可以根据已存储的索力数据再次进行训练，以不断修正模型，提高预测的准确性。