一种大坝多测点变形深度学习监控模型的构建方法

    公开(公告)号:CN119513536A

    公开(公告)日:2025-02-25

    申请号:CN202411580049.9

    申请日:2024-11-07

    Applicant: 扬州大学

    Abstract: 本发明公开了一种大坝多测点变形深度学习监控模型的构建方法,包括使用K‑means算法对大坝变形数据进行聚类分析,以识别监控区域的空间模式;针在每个聚类区域内,基于监测点之间因变量的相互作用,采用耦合注意力机制的长短期记忆网络来构建变形预测模型;运用可解释性分析技术对不同区域的测点及其影响因素进行排序和评估;本发明通过将聚类分析、注意力机制和深度学习等算法有效整合,成功构建了一个既具有高预测精度又具备强大解释能力的大坝多测点变形监控模型。此模型为合理分析和预测大坝的整体变形特性提供了新的思路和方法。这种方法的应用,不仅提高了预测的准确性,同时也增强了模型的透明度和可信度。

    一种连续级配与颗粒分散度综合表征方法及系统

    公开(公告)号:CN119337557A

    公开(公告)日:2025-01-21

    申请号:CN202411212259.2

    申请日:2024-08-30

    Applicant: 扬州大学

    Abstract: 本发明公开了一种连续级配与颗粒分散度综合表征方法及系统,涉及岩土工程技术领域,包括:通过筛分得到颗粒粒径不同分布情况下的连续级配粒径分布曲线;基于颗粒尺寸集合的标准差获取颗粒尺寸分散度表征;根据颗粒尺寸分散度表征划分试样分散尺度,并求解试样尺寸最分散连续级配粒径分布曲线。本发明通过优化矩理论的应用,在考虑完整级配曲线信息的前提下,探究任意一组粒径范围已知试样的颗粒分布级配,可以合理地量化颗粒尺寸分散度,准确地表征颗粒尺寸分散程度;本发明还开发了专门的算法,用于对任意已知颗粒粒径范围的土体试样进行不同分散尺度的划分,能够计算出尺寸最分散的粒径分布曲线,从而有效优化土体的结构和功能。

Patent Agency Ranking