典型文献
基于注意力机制的危房等级预测方法研究
文献摘要：
危房等级评估是城市既有建筑管理的重要手段,等级评估的准确性直接影响管理部门的防护措施.错误的等级评估有可能造成生命与财产的重大损失.现有的预测方法大都采用循环神经网络(Recurrent Neural Network,RNN)和支持向量机(Support Vector Machines,SVM)等模型.由于建筑沉降与局部结构位移的诱因复杂,大大增加了危房评估的难度,致使现有的预测方法精度不高.针对这种出现的问题,提出一种结合梯度下降算法(Adagrad,AD)和注意力机制的长短期记忆神经网络(Adagrad and Attention Based Long Short-Term Memory,AD-AB-LSTM)的危房评估方法研究,通过对危房沉降与水平位移进行了有效预测并对之进行等级预测(直接与间接),此方法对危房沉降位移进行建模并有效预测.依托工程实例数据,无锡东北塘社区危房的水平与垂直位移监测数据进行模型训练与评估,对数据进行了量化分析与研究,并将此方法与长短期记忆神经网络(Long Short Term Memory,LSTM)、循环神经网络实验结果进行比较.实验结果表明:此方法较长短期记忆神经网络方法和循环神经网络方法以及支持向量机效果显著提高15.29％和52.73％和27.59％.
文献关键词：
危房等级预测;随机梯度下降算法;注意力机制;建筑结构位移
中图分类号：
作者姓名：
杨昌松;邱劲;韦俊;胡中天;王玉立;晏俊;吴宏杰
作者机构：
苏州科技大学电子与信息工程学院江苏苏州215009;苏州科技大学土木工程学院江苏 苏州215011;苏州科技大学苏州智慧城市研究院江苏苏州215009;苏州大学江苏省大数据智能工程实验室、江苏省计算机信息处理重点实验室江苏苏州215009
文献出处：
引用格式：
[1]杨昌松;邱劲;韦俊;胡中天;王玉立;晏俊;吴宏杰-.基于注意力机制的危房等级预测方法研究)[J].苏州科技大学学报（工程技术版）,2022(04):62-67,73
A类：
危房等级预测,建筑结构位移
B类：
注意力机制,等级评估,既有建筑,建筑管理,防护措施,重大损失,循环神经网络,Recurrent,Neural,Network,RNN,Support,Vector,Machines,建筑沉降,局部结构,大大增加,Adagrad,AD,长短期记忆神经网络,Attention,Based,Long,Short,Term,Memory,AB,水平位移,沉降位移,工程实例,无锡,北塘,垂直位移,位移监测,模型训练,分析与研究,网络实验,神经网络方法,随机梯度下降算法
AB值：
0.300417
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
