-
题名基于改进GRU的桥梁监测系统通道缺失数据恢复
- 1
-
-
作者
常军
钟紫婷
刘晨光
-
机构
苏州科技大学土木工程学院
-
出处
《重庆交通大学学报(自然科学版)》
北大核心
2025年第9期10-18,共9页
-
基金
国家自然科学基金项目(52208189)
江苏省研究生科研创新计划项目(KYCX23_3338)
江苏省高等学校基础科学(自然科学)面上项目(21KJB580006)。
-
文摘
桥梁健康监测系统中,因传感器故障和外界环境干扰导致的数据丢失严重影响监测系统的可靠性。目前数据恢复方法集中于恢复通道部分缺失数据的问题,而对恢复整个通道缺失数据问题关注较少。为此,对GRU神经网络进行改进,用于恢复整个通道缺失数据,提高数据恢复精度。首先,构建改进的GRU模型,其以降噪自编码模型为基础构架,利用门控循环神经网络代替全连接层,学习不同数据间的时空相关性,同时加入注意力机制和掩码机制,加强对缺失位置的关注程度,提高数据恢复的准确性。其次,构造数据训练模型,人为构造每个通道连续缺失数据作为模型输入,相应完整数据作为输出,提高模型对缺失位置机制的学习能力。最后,恢复整个通道缺失数据,用评价指标评价数据恢复效果,并进行模态分析。通过数值模拟和实桥监测数据验证了方法的准确性,实桥中的应用结果表明:与已有模型相比,该方法数据恢复精度提高,平均绝对误差降低了21.8%,均方根误差降低了42.7%,模型拟合能力提高了9.1%。
-
关键词
桥梁工程
桥梁健康监测
通道缺失数据
门控循环神经网络
降噪自编码模型
-
Keywords
bridge engineering
bridge health monitoring
missing data of the channel
gated recurrent neural network
denoising autoencoder model
-
分类号
U446
[建筑科学—桥梁与隧道工程]
-
