龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京林业大学
摘要：本发明公开了一种基于BO‑CNN‑LSTM模型的塔吊安全监测数据预测方法，涉及塔吊安全监测技术领域，包括如下步骤：通过传感器实时采集塔吊数据，定义一个滑动窗口函数，利用窗口数据去预测和更新下一个数据，将得到的数据集划分成训练集和测试集；对训练集中的数据进行卷积神经网络模型训练；小批量切分数据；构建长短期记忆单元框架；定义一个评估函数，通过贝叶斯优化模型对定义的目标函数进行优化，并进行模型的循环训练；计算模型预测结果与真实标签之间均方根误差和平均绝对百分比误差，根据误差值进行塔吊安全监测数据预测。本发明够提取塔吊的空间特征，并捕捉传感器数据之间的长期依赖关系，从而实现对塔吊关键特征的准确预测。
主权项：1.一种基于BO-CNN-LSTM模型的塔吊安全监测数据预测方法，其特征在于，具体包括如下步骤：步骤1、通过传感器实时采集的吊重、倾角、回转角、力矩、高度、风速、倾角数据，输入标准化之后的数据，定义一个滑动窗口函数，利用窗口数据去预测和更新下一个数据，将得到的数据集划分成训练集和测试集；步骤2、对训练集中的数据进行卷积神经网络模型训练；步骤3、小批量切分数据，定义每次迭代训练使用的数据量，在每个epoch开始时打乱数据；步骤4、构建长短期记忆单元框架，由两个长短期记忆单元隐藏层构建，每个隐藏层选择tanh函数作为激活函数；步骤5、定义一个评估函数，使用均匀分布和随机抽样来定义学习率lr，隐藏层大小hidden_size、步长step_size、Gamma和p的搜索范围，通过贝叶斯优化模型对定义的目标函数进行优化，设置迭代次数，在得到最优参数之后对hidden_size和step_size进行微调，然后重新运行超参数优化；步骤6、将得到的参数配置在长短期记忆单元中，进行模型的循环训练，使用Adam优化器进行参数更新并计算损失函数进行反向传播；步骤7、计算模型预测结果与真实标签之间均方根误差和平均绝对百分比误差，根据误差值进行塔吊安全监测数据预测。
全文数据：
权利要求：
百度查询： 南京林业大学 一种基于BO-CNN-LSTM模型的塔吊安全监测数据预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号