结构健康监测异常数据诊断的自动优化方法

作者：孙楠; 唐志一; 许蔚

来源：科技通报, 2023, 39(11): 73-81.

DOI：10.13774/j.cnki.kjtb.2023.11.012

• 结构健康监测
• 深度学习自动优化
• 贝叶斯优化
• 大型桥梁
• 异常诊断

本文针对深度神经网络超参数人工调优成本高昂和性能受人工经验限制的问题，将大型桥梁结构健康监测系统中异常数据诊断建模为图像分类任务。使用卷积神经网络进行训练，同时基于贝叶斯理论，以模型的验证集误差作为目标函数，以高斯过程为概率模型，以期望改进(expected improvement, EI)方法为采集函数，对网络训练过程中的L2正则化系数、初始学习率以及动量进行超参数自动优化。结果表明：人工经验设定超参数的卷积神经网络模型诊断准确率为89.3%,经贝叶斯超参数自动优化后准确率提高到93.2%。通过在最优取值临近空间对超参数进行独立优化发现模型准确率对L2正则化系数取值并不敏感，初始学习率和动量分别宜在[1×10-4, 1×10-2]和[0.8, 0.9]范围取值，为深度神经网络的超参数调优提供实用参考依据。

• 单位
  昆明理工大学; 建筑工程学院