CN119740496A 一种基于电数字数据处理的轨道基础沉降评估方法_第1页
CN119740496A 一种基于电数字数据处理的轨道基础沉降评估方法_第2页
CN119740496A 一种基于电数字数据处理的轨道基础沉降评估方法_第3页
CN119740496A 一种基于电数字数据处理的轨道基础沉降评估方法_第4页
CN119740496A 一种基于电数字数据处理的轨道基础沉降评估方法_第5页
已阅读5页，还剩37页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(54)发明名称数据采集：收集轨道基础沉降相关的原始数据，然后数据采集：收集轨道基础沉降相关的原始数据，然后进行处理，再将处理好的数据进行存储，并对存储的数据进行人工标注。样本合成：基于采集的数据进行数据增强、合成数据样本多样性优化操作，然后采用基于边界条件的样本插值方法生成电数字数据样本。学习建模：建立轨道基础沉降评估预测模型，对采集的数据和合成的数据进行预处理，通过特征工程根据预处理后的数据进行关键特征提取，然后根据提取的关键特征对轨道基础沉降评估预测模型进行训练，得到评估预测结果，再对训练完成后的模型进行评估与改进，其中，轨道基础沉降评估预测模型采用的基于路径积分的分数阶神经网络。建议与预警：基于轨道基础沉降评估预测模型的评估预测结果向用户提供沉降控制与修复的建议，并根据评估预测结果判断是否进行预警。2S4、建议与预警：基于轨道基础沉降评估预测模型然后对各类传感器设备收集的数据进行时序化处理和格式3456789[0023]实施例1数据采集：收集轨道基础沉降相关的原始数据，然后数据采集：收集轨道基础沉降相关的原始数据，然后进行处理，再将处理好的数据进行存储，并对存储的数据进行人工标注。样本合成：基于采集的数据进行数据增强、合成数据样本多样性优化操作，然后采用基于边界条件的样本插值方法生成电数字数据样本。学习建模：建立轨道基础沉降评估预测模型，对采集的数据和合成的数据进行预处理，通过特征工程根据预处理后的数据进行关键特征提取，然后根据提取的关键特征对轨道基础沉降评估预测模型进行训练，得到评估预测结果，再对训练完成后的模型进行评估与改进，其中，轨道基础沉降评估预测模型采用的基于路径积分的分数阶神经网络。建议与预警：基于轨道基础沉降评估预测模型的评估预测结果向用户提供沉降控制与修复的建议，并根据评估预测结果判断是否进行预警。不同方法在轨道沉降评估中的准确率对比基于路径积分的分数阶神经网络传统神经网络基于路径积分的分数阶神经网络传统神经网络支持向量机决策树5测试轮次准确率本发明的方法传统神经网络支持向量机决策树不同模型的误差分布对比基于路径积分的分数阶神经网络一传统神经网络22

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论