科研之友
微信
新浪微博
Facebook
分享链接
摘要
不同监测项目的测值，如变形、应力是内外影响因素的不同响应，不同项目测点与损坏测点的时空关系也是推断缺失值的重要信息源；同时，测点损坏时间较长时积累的监测资料不足，可能使推断模型无法得到充分训练。通过不同监测项目测点的测值推断损坏测点的测值，建立了卷积神经网络(CNN)测值估计模型；同时采用finetune迁移学习方法实现了模型迁移，解决了损坏测点测值不足的问题。实例分析表明，深度学习结合迁移学习可以实现训练样本不足时的缺失值估计，其误差满足测值允许中误差的要求。
- 单位
不同监测项目的测值，如变形、应力是内外影响因素的不同响应，不同项目测点与损坏测点的时空关系也是推断缺失值的重要信息源；同时，测点损坏时间较长时积累的监测资料不足，可能使推断模型无法得到充分训练。通过不同监测项目测点的测值推断损坏测点的测值，建立了卷积神经网络(CNN)测值估计模型；同时采用finetune迁移学习方法实现了模型迁移，解决了损坏测点测值不足的问题。实例分析表明，深度学习结合迁移学习可以实现训练样本不足时的缺失值估计，其误差满足测值允许中误差的要求。
