排序方式: 共有1条查询结果,搜索用时 339 毫秒
1
1.
针对长短时记忆网络(LSTM)模型的桥梁变形预测存在精度低,预测效果能力弱等问题,利用粒子群算法(PSO)对LSTM模型的参数进行优化,提出PSO优化LSTM神经网络的桥梁位移预测模型。工程实例数据分析结果表明:与LSTM模型和反向传播(BP)神经网络模型进行对比分析,在拟合能力方面等具有改进效果,所建模型的均方根误差为3.68 mm、平均绝对误差为1.47 mm,进而验证了本文模型在桥梁位移预测的可行性和有效性。 相似文献
1