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
融合数字孪生与长短期记忆神经网络方法的混凝土水化热温度预测
被引量：
2
1
作者
殷新锋
李旭辉
+2 位作者
黄胄
陈勉
虞永杰
《西安建筑科技大学学报(自然科学版)》
北大核心
2025年第2期167-173,316,共8页
针对大体积混凝土水化过程的多变性和非线性,为预测混凝土水化热温度的趋势与峰值,提出基于数字孪生(Digital Twin,DT)和长短期记忆神经网络(Long Short-Term Memory,LSTM)的承台大体积混凝土水化热温度预测方法.该方法通过构建“物理...
针对大体积混凝土水化过程的多变性和非线性,为预测混凝土水化热温度的趋势与峰值,提出基于数字孪生(Digital Twin,DT)和长短期记忆神经网络(Long Short-Term Memory,LSTM)的承台大体积混凝土水化热温度预测方法.该方法通过构建“物理实体、虚拟实体、孪生数据、服务、链接”五个维度的承台大体积混凝土数字孪生模型,对混凝土水化过程中的关键参数进行实时监测和数据交互,确保有限元模型的准确性,并结合LSTM网络进行数据分析和预测.结果表明:数字孪生技术能通过数据交互更新出最优参数值,随着交互次数的增加,模型模拟值不断趋近实测结果;LSTM神经网络对混凝土温度变化情况预测较为准确,实测对比发现输出值与实测值最大差值为1.32℃,相差2.8%,训练结果的平均绝对误差均值为0.7624,决定系数最低达到0.9742.
展开更多
关键词
大体积混凝土
水化反应
LSTM
数字孪生五维模型
数据交互
温度预测
在线阅读
下载PDF
职称材料
题名
融合数字孪生与长短期记忆神经网络方法的混凝土水化热温度预测
被引量：
2
1
作者
殷新锋
李旭辉
黄胄
陈勉
虞永杰
机构
长沙理工大学土木与环境
工程
学院
四川公路桥梁建设集团有限公司大桥工程分公司
舟山市交通
工程
质量监督局
出处
《西安建筑科技大学学报(自然科学版)》
北大核心
2025年第2期167-173,316,共8页
基金
国家自然科学基金(52078057)
湖南省自然科学基金(2023JJ30044)
国家重点研发计划(2021YFB2600903)。
文摘
针对大体积混凝土水化过程的多变性和非线性,为预测混凝土水化热温度的趋势与峰值,提出基于数字孪生(Digital Twin,DT)和长短期记忆神经网络(Long Short-Term Memory,LSTM)的承台大体积混凝土水化热温度预测方法.该方法通过构建“物理实体、虚拟实体、孪生数据、服务、链接”五个维度的承台大体积混凝土数字孪生模型,对混凝土水化过程中的关键参数进行实时监测和数据交互,确保有限元模型的准确性,并结合LSTM网络进行数据分析和预测.结果表明:数字孪生技术能通过数据交互更新出最优参数值,随着交互次数的增加,模型模拟值不断趋近实测结果;LSTM神经网络对混凝土温度变化情况预测较为准确,实测对比发现输出值与实测值最大差值为1.32℃,相差2.8%,训练结果的平均绝对误差均值为0.7624,决定系数最低达到0.9742.
关键词
大体积混凝土
水化反应
LSTM
数字孪生五维模型
数据交互
温度预测
Keywords
mass concrete
hydrochemical reaction
LSTM
digital twin five-dimensional model
data interaction
temperature prediction
分类号
TU398.5 [建筑科学—结构工程]
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
融合数字孪生与长短期记忆神经网络方法的混凝土水化热温度预测
殷新锋
李旭辉
黄胄
陈勉
虞永杰
《西安建筑科技大学学报(自然科学版)》
北大核心
2025
2
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
