申请/专利权人：华能西藏雅鲁藏布江水电开发投资有限公司;中国水利水电科学研究院;山东泽盛物联网科技有限公司

申请日：2024-03-20

公开（公告）日：2024-06-28

公开（公告）号：CN118261038A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/23;G06N3/0464;G06N3/084;G06F119/02

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开一种混凝土温度监测数据去噪方法，即：建立实际混凝土结构几何模型，采集混凝土各温度测点数据，构造实际监测训练样本数据；根据实际工况确定各温度测点处混凝土温度时空变化的控制方程；有限元计算实际浇筑进度任意工况下混凝土结构温度场，获取各温度测点处的温度历程数值计算结果，构造神经网络预训练样本数据；搭建全连接神经网络，神经网络关系式在预训练样本数据或实际监测训练样本数据处求导，构造损失函数；使用预训练样本数据预训练神经网络；在预训练完成的神经网络的基础上，使用实际监测训练样本数据实际训练神经网络，神经网络训练完成后输出去噪处理后的混凝土温度监测数据。本发明具有去噪效果好、不需要人为干预的优点。

主权项：1.一种混凝土温度监测数据去噪方法，其特征在于：它包括：S1、建立实际混凝土结构几何模型，采集混凝土各温度测点的位置信息xm,ym,zm、温度监测时刻数据τm、温度监测数据Tm，构造实际监测训练样本数据xm,ym,zm,τm；S2、根据混凝土结构的实际工况，确定各温度测点处混凝土温度时空变化控制方程；S3、基于步骤S1建立的混凝土结构几何模型建立网格模型，有限元计算实际浇筑进度任意工况下的混凝土结构温度场，获取各温度测点处的温度历程数值计算结果τp、Tp，构造神经网络预训练样本数据xm,ym,zm,τp；S4、搭建一个全连接神经网络，根据步骤S2确定的控制方程，预训练神经网络时通过神经网络关系式在预训练样本数据处求导，实际训练神经网络时通过神经网络关系式在实际监测训练样本数据处求导，构造损失函数；各温度测点处混凝土温度时空变化控制方程损失函数：1无水管冷却时 2有水管冷却时 温度测点数据损失函数：lossmonitoring＝MAETnetx,y,z,τ-T损失函数： 其中，MAE是平均绝对误差函数；Tnetx,y,z,τ为训练样本数据对应的神经网络输出值；T训练样本数据对应的温度监测数据；τ表示时间变数；x、y、z表示空间变数；Xi∈x,y,z表示空间变数中的任意一个；a为混凝土导温系数；θ0和m为混凝土绝热温升参数，其中θ0为混凝土绝热温升终值，m为常数；T0为混凝土浇筑温度；Tw为通水冷却进水口水温；其中，P为中间过程量，无实际意义， 式中，a为混凝土导温系数；λ为混凝土导热系数；λ1为冷却水管导热系数；c为水管外径；r0为水管内径；S1为水管水平间距；S2为水管铅直间距；L为冷却水管长度；cw为水的比热；ρw为水的密度；qw为冷却水流量；S5、使用步骤S3中的预训练样本数据预训练步骤S4搭建的全连接神经网络，通过损失函数反向传播优化神经网络参数，当损失函数趋于稳定或迭代次数大于设置的最大迭代次数iter≥itermax时，神经网络预训练完成；S6、在步骤S5预训练完成的神经网络的基础上，再使用步骤S1中的实际监测训练样本数据实际训练神经网络，通过损失函数反向传播优化神经网络参数，当损失函数趋于稳定或迭代次数大于设置的最大迭代次数iter≥itermax时，神经网络训练完成；S7、将步骤S1中的实际监测训练样本数据输入训练完成的神经网络，输出去噪处理后的混凝土温度监测数据。

全文数据：

权利要求：

百度查询： 华能西藏雅鲁藏布江水电开发投资有限公司;中国水利水电科学研究院;山东泽盛物联网科技有限公司 一种混凝土温度监测数据去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD