-
公开(公告)号：CN118606847B
公开(公告)日：2024-11-05
申请号：CN202411080744.9
申请日：2024-08-08
Applicant: 吉林大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/15 , G06F18/2113 , G06N5/01 , G06N20/20 , G06Q50/08
Abstract: 本发明公开一种基于机器学习的桥梁技术状况预测方法及系统，属于机器学习技术领域，解决了桥梁技术状况准确预测与评估水平有待进一步提高的问题。通过对原始数据进行预处理，利用随机森林方法评估特征重要性后，采用Spearman方法计算相关系数并排除相关性较高的特征，减少数据中的多重共线性；利用SMOTETomek方法进行数据平衡处理，增加少数类样本；通过随机搜索算法对XGBoost模型进行参数调优后，采用XGBoost方法对桥梁技术状况等级进行预测。通过迭代训练决策树模型并优化目标函数，构建最终的集成学习模型。本发明能够更准确地预测桥梁技术状况，提高预测准确性和稳定性，适应性更强，效率更高。
-
公开(公告)号：CN119475107B
公开(公告)日：2025-04-22
申请号：CN202510061691.4
申请日：2025-01-15
Applicant: 吉林大学
IPC: G06F18/2415 , G06F18/23213 , G06F18/10 , G06F30/13 , G06F30/27
Abstract: 本发明涉及一种桥梁病害两阶段分析与风险评估方法及系统，属于桥梁病害分析技术领域，解决现有的桥梁病害分析和风险评估方法桥梁病害预测精度低及风险评估不全面的问题。其中方法包括步骤：获取多座桥梁的数据，包括几何特性、材料特性、环境因素和病害数据；数据预处理，并对预处理后数据进行数据平衡处理；采用两阶段分析方法进行桥梁病害的特征优化，构建多标签分类模型以预测联合病害概率分布；基于联合病害预测概率，采用模糊C均值聚类方法对桥梁进行风险聚类分析，将桥梁风险分为不同类别并输出风险聚类结果。本发明提高了桥梁病害预测的准确性和风险评估的可靠性，具有更强的适应性，展现出良好的应用前景和经济效益。
-
公开(公告)号：CN119475107A
公开(公告)日：2025-02-18
申请号：CN202510061691.4
申请日：2025-01-15
Applicant: 吉林大学
IPC: G06F18/2415 , G06F18/23213 , G06F18/10 , G06F30/13 , G06F30/27
Abstract: 本发明涉及一种桥梁病害两阶段分析与风险评估方法及系统，属于桥梁病害分析技术领域，解决现有的桥梁病害分析和风险评估方法桥梁病害预测精度低及风险评估不全面的问题。其中方法包括步骤：获取多座桥梁的数据，包括几何特性、材料特性、环境因素和病害数据；数据预处理，并对预处理后数据进行数据平衡处理；采用两阶段分析方法进行桥梁病害的特征优化，构建多标签分类模型以预测联合病害概率分布；基于联合病害预测概率，采用模糊C均值聚类方法对桥梁进行风险聚类分析，将桥梁风险分为不同类别并输出风险聚类结果。本发明提高了桥梁病害预测的准确性和风险评估的可靠性，具有更强的适应性，展现出良好的应用前景和经济效益。
-
公开(公告)号：CN118606847A
公开(公告)日：2024-09-06
申请号：CN202411080744.9
申请日：2024-08-08
Applicant: 吉林大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/15 , G06F18/2113 , G06N5/01 , G06N20/20 , G06Q50/08
Abstract: 本发明公开一种基于机器学习的桥梁技术状况预测方法及系统，属于机器学习技术领域，解决了桥梁技术状况准确预测与评估水平有待进一步提高的问题。通过对原始数据进行预处理，利用随机森林方法评估特征重要性后，采用Spearman方法计算相关系数并排除相关性较高的特征，减少数据中的多重共线性；利用SMOTETomek方法进行数据平衡处理，增加少数类样本；通过随机搜索算法对XGBoost模型进行参数调优后，采用XGBoost方法对桥梁技术状况等级进行预测。通过迭代训练决策树模型并优化目标函数，构建最终的集成学习模型。本发明能够更准确地预测桥梁技术状况，提高预测准确性和稳定性，适应性更强，效率更高。
-
-
-
Search Results
4
records
(took 0.013 seconds)
