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 V...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%。展开更多
文摘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%。
