[发明专利]基于贝叶斯优化的LSTM深度学习网络的力学预测方法在审
| 申请号： | 202310385163.5 | 申请日： | 2023-04-11 |
| 公开（公告）号： | CN116451322A | 公开（公告）日： | 2023-07-18 |
| 发明（设计）人： | 李忠龙;李顺龙;邴皓楠;高庆飞;郭亚朋 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06F30/13 | 分类号： | G06F30/13;G06F30/27;G06F18/23213;G06F18/2415;G06N3/0442;G06N3/08;G06N7/01;G06F111/08;G06F119/14 |
| 代理公司： | 北京大地智谷知识产权代理事务所(特殊普通合伙) 11957 | 代理人： | 刘洪雨 |
| 地址： | 150006 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 一种基于贝叶斯优化的LSTM深度学习网络的力学预测方法，包括：步骤S1：索力数据采集，生成训练数据集、测试数据集与验证数据集，并进行进一步数据处理；步骤S2：LSTM索力预测模型建立，由遗忘门、输入门与输出门组成；步骤S3：多重指标判断预测效果，预测未来索力的LSTM网络模型评估；步骤S4：监测数据网络自修正；步骤S5：网络超参数优化，应用贝叶斯优化算法对LSTM网络中学习速率、隐含层个数、迭代次数超参数进行优化得到模型最优解，突破传统的仅是人为选择参数的LSTM算法，实现了智能化自动选取最优的网络参数，从而提高LSTM网络的预测精度与效率。本发明利用大量数据确定模型关键参数，以实现对桥梁结构拉索索力精准预测，达到评估桥梁重要部件的受力技术状况等级的目的，为桥梁安全运维提供技术保障。 | ||
| 搜索关键词： | 基于 贝叶斯 优化 lstm 深度 学习 网络 力学 预测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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哈尔滨工业大学，未经哈尔滨工业大学许可，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/patent/202310385163.5/，转载请声明来源钻瓜专利网。
