共查询到20条相似文献,搜索用时 469 毫秒
1.
文章在常规建筑能耗和设备故障预测方法的基础上,根据智慧建筑中BIM模型数据和物联网数据融合形成的数据集,提出了基于BP神经网络的多任务学习方法,将建筑能耗和设备故障预测采用同一神经网络模型进行学习和预测,并阐述了网络结构及损失函数的设计方法,为建筑能耗和设备故障预测提供了新的思路,也为智慧建筑运维管理系统中的智能诊断服... 相似文献
2.
3.
针对现有的基坑监测和预测数据处理方法的不足,对BP神经网络预测模型作了研究和改进,应用改进后的BP算法对基坑支护结构水平位移数据进行处理,并将改进的BP算法与传统算法所建立的模型应用于工程实例进行比较,结果表明,改进后的BP神经网络模型在预测精度、训练时间、稳定性等方面均优于传统BP神经网络模型。 相似文献
4.
变形监测一定程度上可以预测沉降发展趋势,本文采用灰色模型和神经网络的建模理论,介绍了GPS测沉降数据的预报处理流程,并利用上海市CORS网的数据分析GPS沉降预报,运用模型对GPS测沉降数据进行预测,最后利用中误差理论对精度进行评定,得出了灰色模型和神经网络模型在GPS沉降数据预报方面精度是可靠、精确的结论,从本文数据看神经网络预测的精度比灰色模型预测精度更符合实际。 相似文献
5.
6.
采用BP神经网络模型对某深基坑工程的变形进行了预测,通过与实测数据的对比分析表明:BP神经网络模型在深基坑工程监测中具有良好的容错性,在围护桩顶竖向及水平位移、围护桩深层水平位移、锚索内力预测方面具有较高的准确度,与实际内力及变形情况较为吻合;BP神经网络模型在地下水位预测中的准确度较低、数据结果离散性较大,不能充分反映水位变化的实际情况;BP神经网络模型在进行短期预测时准确率高,预测曲线与实测数据曲线吻合性较好;在进行锚索内力监测时,当传感器不能及时采集数据的情况下,BP神经网络能发挥预测准确数据的作用;BP神经网络模型隐含层数的选取对预测结果的准确性有一定的影响。 相似文献
7.
根据BP神经网络模型和自适应滤波模型模拟预测值相对于真实值上下波动的特点,应用方差理论建立BP神经网络自适应滤波组合模型,将其应用到天津富裕广场三期工程基坑周边地面沉降分析预测中.通过与独立的BP神经网络和自适应滤波模型模拟预测数据对比,证明了组合模型模拟预测的高精确性. 相似文献
8.
《Planning》2022,(1)
当前对轴承进行健康度评估和剩余寿命预测时通常采用共振解调、包络分析等方法,但仍存在健康度提取困难、故障预测种类单一、缺乏可靠模型等问题。针对这些不足,文章提出一种基于级联长短期记忆(LSTM)神经网络轴承复合故障预测的方法,其通过两级级联LSTM神经网络实现轴承的健康度评估和剩余寿命预测。文中采用西安交通大学的轴承数据集进行实验对比,结果表明,相比共振解调法,采用本方法在单一故障数据的健康度评估中,健康度曲线的单调性、鲁棒性和趋势性综合评价指标分别提升了12%、24.8%和5%;在复合故障数据的健康度评估中,综合评价指标提升了15.1%;并根据健康度评估曲线实现了剩余使用寿命预测,证明了该方法在健康度评估和剩余寿命预测方面的有效性。 相似文献
9.
10.
11.
《工业建筑》2021,51(7):203-208
以凯威特型(K6)球面网壳为研究对象,研究基于数据驱动的空间网格结构的损伤预测和评估。通过数值模拟得到大气均匀腐蚀作用下结构模态频率的结构健康监测(SHM)模拟数据,基于长短期记忆(LSTM)神经网络,建立了结构损伤预测和评估的深度学习模型。最后,总结了基于LSTM神经网络的空间网格结构损伤预测和评估方法。结果表明:LSTM神经网络可以对SHM数据建立基于数据驱动的深度学习模型,对结构健康状态进行预测和评估。建立的模型在模拟数据上表现良好,具有良好的抗噪性,能很好地拟合SHM模拟数据趋势。利用更新后的数据集重新调整模型,可以达到持续对结构健康状态预测和评估的目的。 相似文献
12.
阐述了BP神经网络学习功能及实现算法。分析了制冷系统的主要故障,并对制冷设备主要故障与征兆的关系作了定性的研究,在此基础上设计了一种具有学习功能的故障诊断神经网络模型。验证的效果显示了该诊断方法的有效性。 相似文献
13.
14.
《煤气与热力》2019,(10)
研究自回归差分移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)在燃气调压器故障诊断及预警方面的应用,为预测燃气调压器出口压力提供理论依据。介绍自回归模型、移动平均模型和自回归移动平均模型,根据这3种模型建立自回归差分移动平均模型,步骤为数据的平稳化处理,识别模型种类后建立模型、检验模型,应用检验通过后的模型预测出口压力。利用北京某燃气公司2018年11月至2019年1月期间中低压燃气调压站监测的历史故障数据,针对喘振、用气高峰压力低、用气低峰压力高这3种典型故障状态,使用IBM SPSS Statistics V21. 0软件建立了ARIMA模型,对燃气调压器出口压力进行预测,效果良好。根据ARIMA模型建立了一种燃气调压器故障智能诊断系统。结果表明,应用ARIMA模型对燃气调压器进行故障诊断具有可靠性,模型能够准确描述燃气调压器发生故障时出口压力随时间的变化; ARIMA模型能够在短期内对调压器出口压力进行预测,具有建模简单和预测准确的优点;基于ARIMA模型建立的燃气调压器故障智能诊断系统,可以在短期内对故障做出判断并预警。 相似文献
15.
针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。 相似文献
16.
将丁坝坝头冲刷影响因素分组,并分别用收集到的丁坝坝头局部冲刷数据样本训练并测试BP神经网络模型,进行了冲刷深度的预测,经过对比分析,从而得到了最佳模型,测试结果表明由BP神经网络模型得出的丁坝坝头局部冲刷深度预测值与实测值比较吻合,说明该神经网络模型预测丁坝局部冲刷深度是可行的、有效的。 相似文献
17.
18.
19.
摘 要:光伏直流系统中串联电弧无法被保护装置检测并切断,电弧将持续燃烧并产生高温,对光伏系统安全运行造成极大危害。针对此研究Cassie电弧模型,将电极间距变量引入该模型,分析电极间距与电弧稳定燃烧关系。搭建光伏串联电弧仿真模型,采集稳定燃烧时不同位置下的电流数据,通过分析电弧故障特性,确定电弧故障特征向量,搭建概率神经网络故障识别模型,引入BP神经网络作为对照,将串联电弧类别与区域对应,实现串联电弧故障区域识别。结果表明:改进型Cassie电弧模型能够表征不同电极间距下的动态过程与稳定燃烧状态;在相同数据下,概率神经网络模型识别率高于BP神经网络,能够准确定位串联电弧故障区域。 相似文献
20.
《Planning》2019,(4):467-470
以某600 MW火电机组设备状态监测与故障预警系统为研究对象,重点探讨了设备状态监测与故障预警研究过程中算法和模型应用以及系统设计。介绍了系统的整体结构、设计思路、设计流程等内容,并分析了设备状态监测与故障预警系统在电厂中的应用情况。 相似文献