相关实验视频
Updated: Jul 3, 2025

Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
基于GRU模型和RNN模型的屏蔽道层的限制压力预测
Min Wang1, Xiao-Wei Ye2, Jin-Dian Jia2
1Polytechnic Institute, Zhejiang University, Hangzhou 310058, China.
精确的道建设需要预测限制压力. 在这个关键任务中,Gated Recurrent Unit (GRU) 模型表现出高于Recurrent Neural Network (RNN) 的速度和准确性.
科学领域:
- 地质技术工程 地质技术工程
- 道和地下建筑工程
- 在土木工程中的预测建模.
背景情况:
- 限制压力显著影响道内部力量和建筑安全.
- 在施工过程中,地下水位和施加负载的变化会动态改变封闭压力.
- 准确估计封闭压力对于确保道结构完整性至关重要.
研究的目的:
- 开发和比较道限制压力的预测模型.
- 为了评估门式循环单元 (GRU) 和循环神经网络 (RNN) 模型的性能.
- 增强对土壤压力动态的理解,以实现更安全的道建设.
主要方法:
- 通过现场监测获取道限制压力的高频时间序列数据集.
- 将监测数据细分为用于模型开发的培训和测试集.
- 实施和对GRU和RNN模型进行比较分析,用于限制压力预测.
主要成果:
- 与RNN模型相比,GRU模型表现出明显更快的训练速度和更高的预测准确性.
- RNN模型显示训练性能较慢,限制压力预测的准确性较低.
- 格鲁模型的有效性验证了其适用于道挖掘中的动态土壤压力预测.
结论:
- 格鲁模型为预测道限制压力提供了一种更有效,更准确的方法.
- 该研究强调了选择适当的预测模型的重要性,这些模型能够平衡速度和准确性.
- 这些发现有助于开发先进的工具,以提高道建设的安全性和可靠性.
更多相关视频
09:00Visualization of Failure and the Associated Grain-Scale Mechanical Behavior of Granular Soils under Shear using Synchrotron X-Ray Micro-Tomography
Published on: September 29, 2019
06:00Author Spotlight: Deciphering the Long-Term Effects of Low-Level Blast Exposures in Mice
Published on: May 24, 2024
相关概念视频
Plane Potential Flows
Uniform...
Nuclear Power
Nuclear Fuels
Nuclear fuel consists of a fissile isotope, such as uranium-235, which must be present in sufficient quantity to provide a...
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Design Example: Forces in Sluice Gate
Key variables in...
Typical Model Studies
Design Example: Creating a Hydraulic Model of a Dam Spillway