智慧工地的高层建筑塔吊安全是在建筑行业亟待解决的关键问题之一,塔身倾斜度是塔吊运动控制中的一个重要监测指标,为解决塔吊倾角预测精度不高问题,提出了残差学习(Res-Net)-双向长短期记忆神经网络(Bi-directional Long Short-Term Me...智慧工地的高层建筑塔吊安全是在建筑行业亟待解决的关键问题之一,塔身倾斜度是塔吊运动控制中的一个重要监测指标,为解决塔吊倾角预测精度不高问题,提出了残差学习(Res-Net)-双向长短期记忆神经网络(Bi-directional Long Short-Term Memory)模型预测高层建筑塔吊塔身各段倾角的方法.以分段监测的塔身倾角为输入,对塔吊塔身各段倾角实时监测预测.采用鲸鱼算法对模型进行优化,以最小化Res-Bi-LSTM网络的均方根误差为目标,寻找最优超参数,使得网络的误差最小.最终实现对塔身各段倾角的有效预测.实验结果分析提出的模型均方根误差(RMSE)降低到0.8%,模型的拟合优度达到94.96%,均优于对比实验的RNN、Bi-LSTM模型.本文所提出的模型具有更高的预测精度.展开更多
文摘智慧工地的高层建筑塔吊安全是在建筑行业亟待解决的关键问题之一,塔身倾斜度是塔吊运动控制中的一个重要监测指标,为解决塔吊倾角预测精度不高问题,提出了残差学习(Res-Net)-双向长短期记忆神经网络(Bi-directional Long Short-Term Memory)模型预测高层建筑塔吊塔身各段倾角的方法.以分段监测的塔身倾角为输入,对塔吊塔身各段倾角实时监测预测.采用鲸鱼算法对模型进行优化,以最小化Res-Bi-LSTM网络的均方根误差为目标,寻找最优超参数,使得网络的误差最小.最终实现对塔身各段倾角的有效预测.实验结果分析提出的模型均方根误差(RMSE)降低到0.8%,模型的拟合优度达到94.96%,均优于对比实验的RNN、Bi-LSTM模型.本文所提出的模型具有更高的预测精度.
