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！
摘要：本发明涉及岩土技术领域，且公开了基于Bi‑LSTM融合CBAM深度学习岩土应力应变方法。该基于Bi‑LSTM融合CBAM深度学习岩土应力应变方法，通过应用Adam优化器能够有效地优化模型中的权重参数和偏置参数，从而达到最小化损失的目的，同时通过对模型进行训练，可以获得一个有效的模型，并利用这些模型来评估它们的能力，以便与其他模型进行比较，采用此方法能够克服理论模型采用多种假设、普适性较差及高级模型参数标定困难的缺陷，通过将岩土应力应变的数据信息采用双向结构进行处理，能够同时处理前向信息和后向信息，大大提高了模型性能，此方法能够克服传统神经网络方法未考虑土体应力应变行为时间相关特性的缺陷。
主权项：1.基于基于Bi-LSTM融合CBAM深度学习岩土应力应变方法，其方法步骤如下所示：S1、建立原始数据集，并对数据进行预处理，使用三轴压缩试验，获取不同所述土体试样在指定应力加载步下的应变数据，建立应力应变的原始数据集，并对数据进行标准化处理，标准化处理计算方法公式如下： 其中，x表示原始数据，x*表示标准化后的数据，xmin和xmax分别表示该特征的最小值和最大值；S2、通过Bi-LSTM建立深度学习模型；S3、通过CBAM注意力机制搭载注意力模块；S4、模型训练，其训练步骤包括：a、参数的初始化：权重、学习率等这些参数都需要被设定，才能够被正确地应用到模型中；b、确立损失函数以及设定停止条件：损失函数是一种重要的学习准则，它可以用来衡量一个网络的性能，常与优化量有关系，使用均方差损失函数来计算它们之间的均方差，其计算公式见下式： 其中，N为输入序列的长度，为模型的预测值，yi为真实值；c、通过应用Adam优化器，可以有效地优化模型中的权重参数和偏置参数；d、通过对参数和函数的精心调整，可以实现一个有效的网络训练过程，即根据预先设定的训练次数，不断地调整模型的参数，直至达到某一特定的阈值，这样，即使没有达到预期的训练次数，模型也能够在满足该阈值时停止运行，在3次epoch之后，如果损失函数仍未显著改善，则该深度学习模型将被终止。
全文数据：
权利要求：
百度查询： 兰州大学 基于Bi-LSTM融合CBAM深度学习的岩土应力应变方法
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