期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GA-LSTM的桥梁缆索腐蚀钢丝力学性能预测模型
被引量：
7
1
作者
缪长青
吕悦凯
万春风
《东南大学学报(自然科学版)》
北大核心
2025年第1期140-145,共6页
为了精准捕捉桥梁缆索腐蚀钢丝的时变规律并预测其力学性能,开发了一种基于遗传算法(genetic algorithm, GA)优化的长短期记忆(long short-term memory, LSTM)神经网络模型。该模型利用GA依次优化LSTM模型的迭代次数、隐藏层层数、神经...
为了精准捕捉桥梁缆索腐蚀钢丝的时变规律并预测其力学性能,开发了一种基于遗传算法(genetic algorithm, GA)优化的长短期记忆(long short-term memory, LSTM)神经网络模型。该模型利用GA依次优化LSTM模型的迭代次数、隐藏层层数、神经元数量、窗口大小4个超参数,以预测不同腐蚀特征状态下钢丝的力学性能。将其与传统LSTM和GA-反向传播模型的预测结果进行比较。结果表明,GA-LSTM模型具有更高的预测精度和鲁棒性。在屈服强度与极限强度预测效果方面,均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)、决定系数分别提高约44%~61%、43%~57%、35%~92%。在屈服应变与极限应变预测效果方面,RMSE、MAE、决定系数分别提高约0~46%、7%~49%、12%~229%。所建立的模型可以作为一个有用的工具支持桥梁缆索腐蚀安全性评估工作。
展开更多
关键词
桥梁缆索腐蚀钢丝
力学性能预测
时序预测
神经网络
遗传算法
超参数优化
在线阅读
下载PDF
职称材料
题名
基于GA-LSTM的桥梁缆索腐蚀钢丝力学性能预测模型
被引量：
7
1
作者
缪长青
吕悦凯
万春风
机构
东南大学混凝土及预应力混凝土结构教育部重点实验室
东南大学土木工程学院
出处
《东南大学学报(自然科学版)》
北大核心
2025年第1期140-145,共6页
基金
国家自然科学基金资助项目(52178119)。
文摘
为了精准捕捉桥梁缆索腐蚀钢丝的时变规律并预测其力学性能,开发了一种基于遗传算法(genetic algorithm, GA)优化的长短期记忆(long short-term memory, LSTM)神经网络模型。该模型利用GA依次优化LSTM模型的迭代次数、隐藏层层数、神经元数量、窗口大小4个超参数,以预测不同腐蚀特征状态下钢丝的力学性能。将其与传统LSTM和GA-反向传播模型的预测结果进行比较。结果表明,GA-LSTM模型具有更高的预测精度和鲁棒性。在屈服强度与极限强度预测效果方面,均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)、决定系数分别提高约44%~61%、43%~57%、35%~92%。在屈服应变与极限应变预测效果方面,RMSE、MAE、决定系数分别提高约0~46%、7%~49%、12%~229%。所建立的模型可以作为一个有用的工具支持桥梁缆索腐蚀安全性评估工作。
关键词
桥梁缆索腐蚀钢丝
力学性能预测
时序预测
神经网络
遗传算法
超参数优化
Keywords
bridge cable corroded steel wire
mechanical property prediction
time series forecasting
neural networks
genetic algorithm
hyperparameter optimization
分类号
U443.38 [建筑科学—桥梁与隧道工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GA-LSTM的桥梁缆索腐蚀钢丝力学性能预测模型
缪长青
吕悦凯
万春风
《东南大学学报(自然科学版)》
北大核心
2025
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
