基于深度学习的沉浸道的结构健康监测和评估方法
Yuhang Wei1,2,3,4, Jinfang Hou5,6,7,8, Linhu Yang9
1CCCC Tianjin Port Engineering Institute Co., Ltd, Tianjin, China. wyh_112062122@163.com.
Scientific reports
|July 8, 2025
概括
这项研究通过使用深度学习来进行结构健康监测来提高海底道的安全性. 变压器模型准确地预测了道的条件,使主动维护和降低成本成为可能.
科学领域:
- 土木工程 土木工程是指土木工程.
- 结构健康监测 结构健康监测
- 人工智能的人工智能
背景情况:
- 潜水道需要持续的健康监测,以确保安全和检测异常.
- 评估结构完整性包括分析传感器数据以检测关键参数变化.
研究的目的:
- 评估长短期记忆 (LSTM) 和变压器深度学习模型对预测道结构条件的有效性.
- 开发一个多源信息融合模型,用于全面的海底道健康评估和短期预测.
主要方法:
- 使用传感器数据对LSTM和Transformer深度学习算法的比较分析.
- 应用三个相关性分析技术和CRITIC方法来识别和权衡影响力参数.
- 开发一个结构性健康评估模型,整合多来源数据,用于状态评估和24小时预测.
主要成果:
- 变压器模型在预测结构条件方面表现出高可靠性,特别是在复杂的长期时间序列数据方面.
- 通过相关性分析确定了通过关联分析显著影响结构健康的关键参数,并使用CRITIC方法对其进行加权.
- 拟议的化模型准确评估当前道条件,并预测未来12-24小时的状态.
结论:
- 变压器模型非常适合海底道健康评估,因为它能够处理复杂的时间序列数据.
- 开发的积极主动方法为及时采取预防措施提供了关键的见解,大大降低了维护成本.
- 这项研究为实时监控提供了一个强大的框架,提高了海底潜水道的运行安全.
