CN118350106B 一种基于神经网络的基坑降水引起周围地表沉降预测方法 （沈阳工业大学）_第1页
CN118350106B 一种基于神经网络的基坑降水引起周围地表沉降预测方法 （沈阳工业大学）_第2页
CN118350106B 一种基于神经网络的基坑降水引起周围地表沉降预测方法 （沈阳工业大学）_第3页
CN118350106B 一种基于神经网络的基坑降水引起周围地表沉降预测方法 （沈阳工业大学）_第4页
CN118350106B 一种基于神经网络的基坑降水引起周围地表沉降预测方法 （沈阳工业大学）_第5页
已阅读5页，还剩12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

一种基于神经网络的基坑降水引起周围地本发明公开了一种基于神经网络的基坑降2获取目标区域的沉降数据，对所述目标区域的沉降数据的构建Transformer模型，基于样本集对所述Trans将所述目标区域沉降数据集输入至所述地表沉降预测基于所述数据特征值的总和和所述数据特征值获取沉降贡献度，基设置贡献度曲线阈值，基于所述贡献度曲线阈值对所述贡献度曲线基于所述筛选特征值构建所述目标区域沉降2.根据权利要求1所述的基于神经网络的基坑降水引起周围地表沉降预测方法，其特对所述目标区域沉降数据集的异常数据进行清洗，然后基于所述3.根据权利要求2所述的基于神经网络的基坑降水引起周围地表沉降预测方法，其特构建注意力机制模块，将所述数据向量信息输入中至所述注意力机制模块中进行处基于SaveReLU激活函数对所述目标沉降区域在时空上的特征映射进4.根据权利要求1所述的基于神经网络的基坑降水引起周围地表沉降预测方法，其特5.根据权利要求4所述的基于神经网络的基坑降水引起周围地表沉降预测方法，其特征在于，所述时间处理模块用于根据基坑降水引起周围地表沉降的时间轴对数据进行切36.根据权利要求4所述的基于神经网络的基坑降水引起周围地表沉降预测方法，其特通过所述训练集，并引入温度参数以及监督学习损失函数和蒸馏损失函数对所述将所述训练模型在地表沉降预测的数据调度平衡的任务上进行微7.根据权利要求6所述的基于神经网络的基坑降水引起周围地表沉降预测方法，其特8.根据权利要求1所述的基于神经网络的基坑降水引起周围地表沉降预测方法，其特征在于，将所述目标区域沉降数据集输入至所述地表沉降预测模型中进行计算的过程包45[0035]本发明的Transformer模型适用于处理序列数据，因此能够有效地捕获基坑降水引起的时间序列数据，如降水量随时间的变化，以及其对周围地表沉降的影响。同时Transformer模型能够通过自注意力机制捕获输入序列中不同位置之间的依赖关系，从而更好地理解降水与地表沉降之间的全局关系，而不仅仅局限于局部的空间或时间范围。6[0037]图1为本发明实施例的基于神经网络的基坑降水引起周围地表沉降预测方法流程[0041]如图1所示，本实施例中提供一种基于神经网络的基坑降水引起周围地表沉降预7这一步是为了衡量每个主成分所包含的信息量相对于整个数据集的信息[0071]与原始Transformer架构相同，每个值与给定查询的相关性由查询和该值对应的k为平滑因子；[0074]softmax函数用于将一个具有任意实数范围的向量转换为一个概率分布，其表达函数将其转换为具有相同维度的概率分布向量(\mathbf{\sigma}＝(\sigma_1,\sigma_8b2是在训练过程中可学习的参数。时间超出阈值的目标区域沉降数据集的数据[0091]进一步优化方案，通过公共数据样本集对所述Transformer模型进行训练的过程[0095]本实施例的模型在编码器和解码器中使用了一种掩蔽机制，即在获取点乘矩阵QiKiT后将其上

人人文库> 全部分类> 行业资料 > 信息产业

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