La supervisin y prediccin de los asentamientos del terreno durante la construccin de tneles son de gran importancia para garantizar un funcionamiento seguro y fiable de los sistemas de tneles urbanos. Las tcnicas basadas en datos que combinan la inteligencia artificial (IA) y las redes de sensores son mtodos populares en este campo, que tienen varias ventajas, incluyendo una alta precisin de prediccin, eficiencia y bajo coste. El aprendizaje profundo, como una de las tcnicas avanzadas en IA, es demandado para el problema de previsin de asentamientos en tneles. Sin embargo, las redes neuronales profundas a menudo requieren una gran cantidad de datos de entrenamiento. Debido a la construccin de tneles, las muestras de datos de entrenamiento disponibles son limitadas, y los datos son univariantes (es decir, contienen solo los datos de asentamiento). En respuesta a los problemas anteriores, esta investigacin propone un modelo de aprendizaje profundo que solo requiere un nmero limitado de datos de entrenamiento para la prediccin a corto plazo del asentamiento de la superficie del tnel. En el modelo CEEMDAN-LSTM (complete ensemble empirical mode decomposition with adaptive noise long short term memory), los datos unidimensionales se dividen en datos multidimensionales mediante CEEMDAN a travs de la descomposicin de modo emprico de conjunto completo. A continuacin, cada componente es predicho por una red neuronal LSTM y superpuesto para obtener el resultado final de la prediccin. Los resultados experimentales muestran que, en comparacin con las tcnicas y algoritmos de aprendizaje automtico existentes, este mtodo de aprendizaje profundo tiene una mayor precisin de prediccin y una eficiencia computacional aceptable. En el caso de muestras pequeas, este mtodo puede mejorar significativamente la precisin de la prediccin de series temporales.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Control de seguimiento compuesto para sincronización práctica generalizada de sistemas Duffing-Holmes con desajuste de parámetros, excitación externa desconocida, incertidumbres de la planta y no linealidades de zona muerta inciertas.
Artículo:
Desarrollos recientes y aplicaciones en la teoría cualitativa de ecuaciones fraccionarias y temas relacionados.
Artículo:
Investigación numérica del flujo y la transferencia de calor en un canal con hoyuelos entre números de Reynolds transitorios
Artículo:
Transferencias de bajo empuje y combustible mínimo para satélites que utilizan un propulsor Hall de imán permanente
Artículo:
Algoritmo genético multipoblación basado en GPU para resolver el problema TSP
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.