典型文献
DBSCAN和GRU算法在桥梁监测系统的研究
文献摘要：
桥梁监测系统通过实时监测桥梁的各项指标来保证桥梁的安全运行,但监测数据在传输的过程中,不可避免地会产生噪声,从而对后续的数据预测产生较大干扰.通常利用聚类找出离散点来去除噪声,传统的K-means算法聚类前需要指定聚类簇数,以空间中K个点为中心进行聚类,对最靠近的对象归类,但海量的桥梁数据易受环境因素影响,因而无法预先指定数据簇.DBSCAN无需事先知道要形成的簇类的数量,可以自动确定簇个数.另外,桥梁数据是以时间戳存储的时序数据,在时序数据预测算法中,LSTM和GRU算法能够解决RNN算法的梯度爆炸问题,而GRU比LSTM参数量少,可以减少过拟合风险.基于此,文中以郑万高铁巫山大宁河双线大桥为研究对象,提出一种DBSCAN和GRU神经网络相结合的数据预测算法,以DBSCAN剔除噪声数据,并利用GRU神经网络对桥梁的压力进行深度学习,预测下一时刻的数据,然后进行异常检测.实践结果表明:所提算法可以准确地预测桥梁下一时刻的压力值,与LSTM算法相比,该算法的决定系数提高5.2％,均方根误差和平均绝对误差分别降低8.3％和11.6％;同时系统还能及时发送预警短信,为桥梁的安全提供保障.
文献关键词：
桥梁监测;时序数据;噪声数据;K-means;DBSCAN;RNN;LSTM;GRU;异常检测
中图分类号：
作者姓名：
刘欢;李富年;颜永逸;宋晓东;杨国静;林俊平
作者机构：
武汉科技大学 信息科学与工程学院,湖北 武汉 430081;中铁二院工程集团有限责任公司,湖北 武汉 430061;华中科技大学 土木工程与力学学院,湖北 武汉 430074
文献出处：
引用格式：
[1]刘欢;李富年;颜永逸;宋晓东;杨国静;林俊平-.DBSCAN和GRU算法在桥梁监测系统的研究)[J].现代电子技术,2022(20):114-118
A类：
B类：
DBSCAN,GRU,桥梁监测,统通,测产,大干,常利,出离,离散点,除噪声,means,定聚,最靠近,预先指定,事先,先知,时间戳,时序数据预测,预测算法,RNN,参数量,过拟合,郑万高铁,巫山,山大,大宁河,双线,大桥,噪声数据,异常检测,实践结果,压力值,决定系数,平均绝对误差,统还,发送,预警短信
AB值：
0.347315
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。
