典型文献
基于BP神经网络的桥梁损伤识别研究
文献摘要：
桥梁往往会随时间推移而退化,为避免造成生命财产安全问题,对桥梁结构上监测到的数据进行识别、预测与分析,有利于尽早发现损伤部位并判断其损伤类型.因此,构建BP神经网络对桥梁监测数据进行特征提取,对多类数据进行识别与分类;采用贝叶斯算法进行超参数优化,同时使用经超参数优化后的决策树、邻近算法、随机森林和支持向量机4种机器学习算法进行对照实验.结果证明,所构建的BP神经网络具有更优异的性能,预测正确率达到0.9302,并且精确率、召回率和F1指数指标也表现较好.
文献关键词：
BP神经网络;机器学习;损伤识别;贝叶斯优化;超参数优化
中图分类号：
作者姓名：
徐峥匀;钱松荣
作者机构：
贵州大学机械工程学院;贵州大学公共大数据国家重点实验室,贵州贵阳 550025
文献出处：
引用格式：
[1]徐峥匀;钱松荣-.基于BP神经网络的桥梁损伤识别研究)[J].软件导刊,2022(12):53-57
A类：
B类：
桥梁损伤识别,时间推移,生命财产安全,桥梁结构,早发现,损伤部位,损伤类型,桥梁监测数据,识别与分类,贝叶斯算法,超参数优化,决策树,机器学习算法,对照实验,精确率,召回率,贝叶斯优化
AB值：
0.301852
相似文献
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。
