公开(公告)号：CN113988357A

公开(公告)日：2022-01-28

申请号：CN202111030329.9

申请日：2021-09-03

Applicant: 重庆大学

Inventor： 陈增顺 ,  许福友 ,  李珂 ,  许叶萌 ,  汪亚泰 ,  李狄钦

IPC: G06Q10/04 ,  G06Q50/08 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的高层建筑风致响应预测方法，属于高层建筑风致响应预测技术领域，所述预测方法包括：将待测高层建筑的历史顶部位移数据通过经验模态分解算法分解为多个本征模态函数分量，并输入CNN‑BiLSTM模型进行训练，得到EMD‑CNN‑BiLSTM模型；通过EMD‑CNN‑BiLSTM模型计算出待测高层建筑顶部位移的预测数据和变化趋势。本发明中，采用CNN‑BiLSTM模型做为基础模型对高层建筑的风致响应进行预测，完成位移响应预测所需要的时间很短；将EMD与CNN‑BiLSTM模型结合得到EMD‑CNN‑BiLSTM模型，能够达到很高的预测精度。

公开(公告)号：CN113988357B

公开(公告)日：2024-06-21

申请号：CN202111030329.9

申请日：2021-09-03

Applicant: 重庆大学

Inventor： 陈增顺 ,  许福友 ,  李珂 ,  许叶萌 ,  汪亚泰 ,  李狄钦

IPC: G06F18/211 ,  G06Q50/08 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的高层建筑风致响应预测方法，属于高层建筑风致响应预测技术领域，所述预测方法包括：将待测高层建筑的历史顶部位移数据通过经验模态分解算法分解为多个本征模态函数分量，并输入CNN‑BiLSTM模型进行训练，得到EMD‑CNN‑BiLSTM模型；通过EMD‑CNN‑BiLSTM模型计算出待测高层建筑顶部位移的预测数据和变化趋势。本发明中，采用CNN‑BiLSTM模型做为基础模型对高层建筑的风致响应进行预测，完成位移响应预测所需要的时间很短；将EMD与CNN‑BiLSTM模型结合得到EMD‑CNN‑BiLSTM模型，能够达到很高的预测精度。

公开(公告)号：CN116721300A

公开(公告)日：2023-09-08

申请号：CN202310927069.8

申请日：2023-07-26

Applicant: 重庆大学 ,  青海省交通建设管理有限公司

Inventor： 张学强 ,  李小斌 ,  陈增顺 ,  张利凯 ,  张绪军 ,  李狄钦 ,  黄乐鹏

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/20 ,  G06V10/30

Abstract: 本发明公开了一种基于改进YOLOv3的预制构件表观病害目标检测方法，属于土木结构工程技术领域，包括以下步骤：S1：将待检测的钢筋混凝土预制构件放置在传送带上；S2：获取待检测物体的外观形状图像；S3：采用图像处理算法对图像进行图像去噪和图像增强，减少图像背景噪音的干扰；S4：引入Mosaic数据增强及空间金字塔池化方法，对YOLOv3特征提取网络进行改进，经训练后对图像进行特征提取，确定目标损伤的位置；S5：对检测到的病害目标进行分类和定位，使用边界框和标签来标记每个目标；S6：对于每个检测到的病害目标进行分析诊断，以确定其类型和严重程度；S7：将检测结果输出到报告中。