【摘 要】
：
针对隧道施工过程中沉降量精准预测问题,提出了一种基于时空特征区域神经网络的施工隧道沉降量预测方法.依据当前隧道地表下沉量,通过有效融合多维空间特征量,对未来的演化趋势做出合理预测.以白家庄隧道栾川端的地表观测数据为例,对所提方法的预测性能进行算例分析.结果表明:所提预测方法对隧道地表沉降量数据均有较准确的预测效果,且预测结果也具有一定的鲁棒性.研究可应用于实际隧道施工的监测管理过程.
【机 构】
：
中交一公局集团有限公司, 北京 100024;中交隧道工程局有限公司, 北京 100102;长安大学 公路学院, 西安 710064
论文部分内容阅读
针对隧道施工过程中沉降量精准预测问题,提出了一种基于时空特征区域神经网络的施工隧道沉降量预测方法.依据当前隧道地表下沉量,通过有效融合多维空间特征量,对未来的演化趋势做出合理预测.以白家庄隧道栾川端的地表观测数据为例,对所提方法的预测性能进行算例分析.结果表明:所提预测方法对隧道地表沉降量数据均有较准确的预测效果,且预测结果也具有一定的鲁棒性.研究可应用于实际隧道施工的监测管理过程.
其他文献
为了恢复极低分辨率人脸图像的轮廓及更多细节,论文提出一种结合基于特征的反投影方法以及人脸语义分割的方法.该方法有四部分,包括初步重建网络、精细编码网络、人脸信息先验估计网络以及精细解码网络.首先通过初步重建网络,将图像进行4倍上采样.其次使用DBPN的反投影网络进行精细重建,对初步重建网络的结果进行两倍上采样.与此同时,引入U-net网络对初步重建网络输出结果进行语义分割,得到人脸分割信息.最后将精细网络的输出结果与人脸分割信息进行维度拼接并卷积,完成最后的重建.论文还在MSE损失函数的基础上引入人脸先验
多机器人协同是未来机器人研究的一大热点,双机器人系统是其中的一个典型代表.针对目前双机器人协同系统的特性及常见应用,从动力学模型的建立、轨迹规划和协同控制等3方面介绍了双机器人协同系统的研究内容,分析各方面目前存在的技术漏洞和技术难点,指出未来发展的方向.
针对二次反射技术中二次反射镜空间尺度较大、表面反射率高的特点,利用周期性分布的彩色编码板和图像识别方法获得彩色色块虚像的分布情况,通过与理想色块虚像分布的对比计算实际矢量与理想矢量的偏差角,再根据反射定律计算反射法线偏差角分布用于评估待测二次反射镜面形质量.通过仿真实验与样品试验进行验证,结果表明该方法能够实现高精度的、高效的二次反射镜面形质量检测,为二次反射聚光效率评估提供有效的数据支持,保证光热发电站的发电效率.
视频行为识别是智能视频分析的重要组成部分.传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点.针对two-stream系列的深度卷积网络,时间网络的输入是直接以相邻两帧的光流场作为输入,其中也包含了镜头移动、背景运动等无关的运动特征的问题,在视频时序上仅通过分块取样固定长度的帧,其中有效的运动信息可能不完整或包含过多的冗余信息等问题.这篇文章提出了时空自注意力运动特征提取的方法,以RGB图像及其相邻帧的灰度图的视频帧块分别作为场景网络和运动网络的输入,采用多尺度视频划
针对传统机床状态监测中单一传感器准确率不高,实时性较差的问题,提出了一种多传感器D-S证据理论融合方法进行状态监测.该方法首先利用多个传感器感知机床状态参数,同时为了减少数据收集过程中的干扰,引入了分批估计获得传感器可信度,并对获得的证据进行第一次修正;其次通过计算证据体偏离度来获得证据的修正系数,并对获得的证据进行第二次修正;最后利用证据理论对修正后的证据进行融合,完成决策和信息处理过程,得到机床当前工作状态.通过实验验证了改进方法可以提高状态监测的准确率和鲁棒性,并能有效解决证据冲突问题.
当前车辆识别大多采用深度学习方法,直接输入图像数据进行训练以获得车辆分类的深度网络,由于图像本身存在透视形变及尺度变化,因此不得不采取大量不同类型数据进行训练,同时也无法获取车辆相关的物理信息.为了改进上述问题,本文提出基于逆投影空间训练的车辆细粒度识别方法.首先利用标定信息及几何约束,对单目投影下的车辆构建精细化的三维包络框.然后将车辆三维包络展开,获得规范化及标准化的逆投影空间数据.最后利用深度卷积网络对这些展开的规范数据进行训练分类及回归,获得5种常见车辆细分类结果及对应的物理尺寸信息.实验结果表明
当今科研活动已越来越依赖科研数据网络的高效传输,这对科研专网的链路资源规划和运行管理带来了更高要求.面向科研专网的实际需求建立链路流量预测模型能使网络运营者在SDN等先进控制转发技术辅助下更有效进行资源调度的快速决策.现有的预测方法未考虑当前网络流量更具多样化和更高复杂度的深层细粒度特征.通过改进LSTM模型,本文面向科研专网的管理需求提出了一种新型的链路流量预测模型,由自编码器AE、双向LSTM模型、单向LSTM模型和全连接层组成的AE-栈式混合LSTM模型,较大幅度提升了流量特征的提取能力,更好地挖掘
省域范围房产交易与登记大数据可视化呈现的建模分析预测对于研究我国城乡建设、区划经济的布局趋势,呈现城镇建设发展指标的时空演化,辅助支持科学决策、宏观调控等具有重要意义.考虑到这些经济活动数据的预测建模涉及到尚无明确数学表达的、因素作用复杂的事物状态演变过程,受近代人工智能深度神经网络技术在类似复杂场景成功应用的启发,我们采用相关的长短时记忆网络模型(LSTM)与全连接层(FC)技术等AI技术,建立起宏观可视化的省域房产大数据热力图预测系统.本文的主要系统建设实践是,利用所获的广东省域(东沙群岛除外)历年积
在公安部推行“放管服”改革新举措后,为了解决广大车主针对机动车年检提出的审车难、审车贵、审车拥堵、审车没时间等问题,设计出一套车辆检测服务平台.本文重点研究并实现了车辆检测服务平台的业务流程、平台功能结构,其中通过小程序的方式与车主互动,通过物联网技术识别车辆检测状态信息,通过移动APP引入司机和检测站员工参与,通过服务平台整合车主、司机、检测站等多方参与.测试结果显示,该系统集成测试及性能测试结果较好,可以满足实际应用需求.上线试用表明,该车辆检测服务平台一定程度上可以解决车主审车难、检测站分布不均等实
随着深度学习在目标检测领域的大规模应用,目标检测技术的精度和速度得到迅速提高,已被广泛应用于行人检测、人脸检测、文字检测、交通标志及信号灯检测和遥感图像检测等领域.本文在基于调研国内外相关文献的基础上对目标检测方法进行了综述.首先介绍了目标检测领域的研究现状以及对目标检测算法进行检验的数据集和性能指标.对两类不同架构的目标检测算法,基于区域建议的双阶段目标检测算法和基于回归分析的单阶段目标检测算法的一些典型算法的流程架构、性能效果、优缺点进行了详细的阐述,还补充了一些近几年来新出现的目标检测算法,并列出了