基于模式识别的结构健康监测异常数据诊断OA北大核心CSTPCD
Pattern recognition-based data anomaly detection for structural health monitoring
实际结构监测中不可避免出现异常数据,干扰结构的安全评估并引起误判.针对实际监测中多类型异常数据检测效率低和检测结果不准确的问题,提出一种基于特征提取和模式识别神经网络(PRNN)的多类型异常数据识别方法.针对不同类型异常数据的特点建立特征指标集合,通过特征提取将冗长原始样本转化为简短特征向量,显著提高了数据处理和异常检测的效率;进一步引入极坐标化AUCs曲线对多种异常的识别效果进行精确描述,提高了特征指标选取和网络参数调节的优化效率.建立武汉长江…查看全部>>
Data anomaly is inevitable in field monitoring,leading to interference and misjudgment in the structural safety assessment.To address the problems of low efficiency and low accuracy in detecting multiple data anomalies in field monitoring,this study proposed a multiple data anomalies identification method based on feature extraction and pattern recognition neural network(PRNN).A set of features were established based on the characteristics of different…查看全部>>
高珂;翁顺;陈志丹;朱宏平;夏勇
华中科技大学土木与水利学院,湖北武汉 430074||华中科技大学控制结构湖北省重点实验室,湖北武汉 430074华中科技大学土木与水利学院,湖北武汉 430074||华中科技大学控制结构湖北省重点实验室,湖北武汉 430074华中科技大学土木与水利学院,湖北武汉 430074||华中科技大学控制结构湖北省重点实验室,湖北武汉 430074华中科技大学土木与水利学院,湖北武汉 430074||国家数字建造技术创新中心,湖北武汉 430074香港理工大学土木与环境工程系,香港 999077
土木建筑
结构健康监测异常数据检测模式识别神经网络特征提取极坐标化AUCs曲线
structural health monitoringdata anomaly detectionpattern recognition neural networkfeature extractionpolarized AUCs curve
《建筑结构学报》 2024 (3)
113-122,10
国家重点研发计划(2021YFF0501001,2023YFC3805700),国家自然科学基金项目(52308315),华中科技大学交叉研究支持计划(2023JCYJ014),中国博士后科学基金(2023M731206).
评论