返回顶部
返回首页
返回首页
今日    | 手机版 | 信息站 | 企业 | 原料 | 热点 | 商道 | 资讯 |
home 您现在的位置: 首页 >行业资讯 > 详细信息
桥梁劣化预测模型的比较研究
2022年07月01日    阅读量:8304     新闻来源:中国建材网 cnprofit.com    |  投稿

对于包括宾夕法尼亚州在内的基础设施老化的州来说,桥梁故障是一个现实。2月,匹兹堡福布斯大道大桥因结构故障倒塌;不幸的是,这种活动并不是唯一的。据美国道路和运输建筑商协会(American Road and Transportation Builders Association)统计,宾夕法尼亚州约有14%的桥梁存在结构缺陷,这意味着至少有一个关键的结构构件状况不佳。

宾夕法尼亚州立大学土木与环境工程助理教授伊尔金·古勒(Ilgin Guler)在最近的两篇论文中比较了统计建模和机器学习,以监测和预测桥梁最顶层桥面的状况。她的研究结果发表在《桥梁工程杂志》和《交通研究记录》上。

古勒说:“这两种方法都有各自的优点。”。“统计方法提供了有关或多或少导致桥梁劣化的因素的见解,而机器学习方法提供了更准确的预测。”

对于他们的数据集,研究人员使用了宾夕法尼亚州25000座国有桥梁的列表。

在《桥梁工程杂志》(Journal of Bridge Engineering)上,研究人员使用了一种称为马尔可夫链蒙特卡罗(Markov chain Monte Carlo)的估算方法,用Python编写代码来表示统计建模中的桥梁数据。然后,他们确定了系数或参数,根据研究人员的说法,这些系数或参数告诉了他们需要了解的所有数据。

“在统计分布方法中,我们能够分析解释变量,或桥梁不同特性的未来影响,例如用于建造桥梁的材料、梁和钢筋的类型,”宾夕法尼亚州立大学土木与环境工程博士生、两篇论文的第一作者陆木洋说。“数据说明了某个因素导致桥梁劣化的可能性。”

在运输研究记录文件中,研究人员使用了一种称为随机生存森林的机器学习方法,该方法通过将项目分成相似的组进行分析来创建数据树。

古勒说:“利用机器学习,我们利用25000项数据集创建了一个预测模型。”。“随着时间的推移,我们训练算法从现有数据中‘学习’,对类似数据做出假设。”

古勒表示,过去曾使用机器学习方法来确定给定年份的桥梁劣化情况,但这些方法尚未用于预测桥梁在特定条件下的持续时间或劣化需要多长时间。

古勒说:“当利益相关者设计桥梁或决定是否进行维修以及何时进行维修时,这两种方法都可以改善决策。”。“有了这些数据驱动的模型,我们可以更好地估计什么会恶化以及何时会恶化。这可以极大地改善桥梁管理的方式。”

除了古勒和卢,亚历山德拉·拉德利艅宾夕法尼亚州哈茨家庭职业发展土木与环境工程副教授斯卡和宾夕法尼亚州土木与环境工程本科生乔纳森·海多克为《桥梁工程杂志》撰文。

标签:行业资讯高端访谈市场评论建筑材料石材石料
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图 | 二级目录 | 上链请联系QQ:23341571

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识