基于多模型集成的結(jié)構(gòu)健康狀態(tài)趨勢預測

由于單一的預測模型不能充分地反映出結(jié)構(gòu)振動數(shù)據(jù)的復雜規(guī)律和信息，為了提高結(jié)構(gòu)健康狀態(tài)趨勢預測的精度，充分利用每個模型的優(yōu)點，提出了基于深度置信網(wǎng)絡（depth-confidence network，DBN）、長短時記憶神經(jīng)網(wǎng)絡（long-short-term memory neural network，LSTM）、小波神經(jīng)網(wǎng)絡（wavelet neural network，WNN）的多模型集成預測方法. 首先，將工程結(jié)構(gòu)振動信號經(jīng)變分模態(tài)分解（variation mode decomposition，VMD）分和Hilbert變換得到瞬時頻率；然后，將瞬時頻率作為多模型集成的輸入，通過加權平均法和投票法融合的方式對權值系數(shù)進行分配，分析不同的權值對預測精度的影響. 實驗結(jié)果表明，當權值<inline-formula><tex-math id="M1">begin{document}$ omega $end{document}</tex-math><alternatives><graphic xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="C220119_M1.jpg"/><graphic xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="C220119_M1.png"/></alternatives></inline-formula>=0.8時多模型集成方法的預測結(jié)果更接近實際值，相比于傳統(tǒng)的算術平均模型和其他三種單一的預測模型，多模型集成方法結(jié)合了所有的預測模型所具有的全部優(yōu)點，預測性能最優(yōu)，預測精度最高.
PDF全文下載地址：http://journal.bit.edu.cn/zr/article/exportPdf?id=c8122bdb-c9ca-4aee-b8d4-cb2865d92b57

相關知識

基于大數(shù)據(jù)老年多重慢性病風險預測模型構(gòu)建探究
結(jié)構(gòu)健康監(jiān)測教程
2024年全球醫(yī)療健康大數(shù)據(jù)市場規(guī)模與未來趨勢預測報告.pptx
2024年健康養(yǎng)生行業(yè)現(xiàn)狀及發(fā)展趨勢預測
全球及中國健身市場現(xiàn)狀分析及發(fā)展趨勢預測報告（2024版）
面向航天器振動試驗的結(jié)構(gòu)健康狀態(tài)檢測方法研究
基于機器學習的冠心病風險預測模型構(gòu)建與比較
智研咨詢發(fā)布｜2024中國健康管理行業(yè)發(fā)展現(xiàn)狀及前景趨勢預測報告
結(jié)構(gòu)健康與檢測實驗室
減肥瘦身行業(yè)市場現(xiàn)狀及發(fā)展趨勢預測

網(wǎng)址: 基于多模型集成的結(jié)構(gòu)健康狀態(tài)趨勢預測 http://m.u1s5d6.cn/newsview588257.html