-
公开(公告)号：CN119620182A
公开(公告)日：2025-03-14
申请号：CN202411801323.0
申请日：2024-12-09
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及基于时频分析和深度学习的地震相位拾取方法，属于地震学领域，建立包含经验模态分解模块、残差收缩模块、LSTM层、transformer层、上采样层和卷积层的深度神经网络，采用线性整流函数为激活函数，采用Adam自适应优化函数进行反向传播，将二元交叉熵损失函数作为损失函数，以平均绝对误差函数、误差标准差、精确率、召回率和F1分数为评价指标，得到深度神经网络模型。在噪声、P波和S波的频率存在差异时，经验模态分解能有有效地将三者分离开，从而帮助网络更好地识别P波和S波。即使是对于宽频带噪声，噪声也会被分解到不同的本征模态函数中，从而降低了P波和S波所在的本征模态函数中的噪声含量。这种时频分析方法能够有效地提高网络的抗噪能力。
-
公开(公告)号：CN119375954A
公开(公告)日：2025-01-28
申请号：CN202411637222.4
申请日：2024-11-15
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种考虑混合模拟高、低频叠加交叉频率的地震动计算方法，包括模拟低频地震动；模拟高频地震动；在频域内使用权函数分别调整其傅里叶幅值谱；然后在时域内进行叠加，得到宽频地震动。本发明确定了宽频地震动混合模拟方法中不同地震事件的交叉频率取值，以解决常规方法模拟效果不准确的问题，以应用于地震学、地震工程等领域。
-
公开(公告)号：CN117075200B
公开(公告)日：2024-12-20
申请号：CN202311044595.6
申请日：2023-08-18
Applicant: 哈尔滨工业大学
Abstract: 基于物理信息神经网络的震源深度和震中距预测方法，本发明是为了解决震源深度和震中距预测精度低以及数据驱动网络可解释性差的技术问题。震源深度和震中距预测方法：一、在数据集中挑选出三分量地震动记录作为输入参数，相对应的震源深度和震中距为标签参数；二、建立包含卷积层和残差块的深度神经网络，采用线性整流函数为激活函数，采用Adam自适应优化器进行反向传播，将均方误差函数和地震波走时差方程结合作为损失函数；三、对深度神经网络模型进行训练；四、震源深度和震中距预测。本发明采用一个融入物理信息的深度神经网络，既能提高预测的精度，又能使得深度神经网络模型具有了一定的可解释性，提高了预测精度。
-
公开(公告)号：CN119045042A
公开(公告)日：2024-11-29
申请号：CN202411106707.0
申请日：2024-08-13
Applicant: 哈尔滨工业大学
Abstract: 基于室内柔性连接式监控相机的设备地震响应监测方法，涉及地震设备监测技术领域，针对现有技术利用布置在设备上的传感器来获得设备的响应，但由于建筑内设备众多，传感器并不能广泛部署的问题，本申请能够对建筑内关键设备在地震作用下的响应进行监测，无需广泛部署传感器。本申请有助于迅速得知建筑内关键设备的震后破坏情况和功能状态，为建筑的震后功能迅速恢复争取时间，能够提高城市在面对地震时的应急响应能力和韧性。本申请采用广泛安装在建筑内的柔性连接式监控相机，避免了传感器的安装和维护成本，能够产生良好的经济效益。
-
公开(公告)号：CN118171362B
公开(公告)日：2024-10-11
申请号：CN202410343589.9
申请日：2024-03-25
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094 , G06F119/02 , G06F119/14
Abstract: 一种用于结构抗震能力评估的高层剪力墙住宅建筑信息重构方法，它属于土木工程技术领域。本发明的目的是为解决现有方法对高层剪力墙住宅建筑进行抗震能力评价的准确性差的问题。本发明方法具体为：步骤一、获取目标建筑的建筑轮廓、结构几何信息和结构设防烈度；步骤二、搭建基于剪力墙结构自振周期估计器的建筑内部剪力墙空间布置推测网络；步骤三、建立将结构设防烈度和结构层数作为输入、将建筑各层混凝土强度等级作为输出的材料强度等级模糊推理系统；步骤四、根据步骤一获得的信息、步骤二的网络以及步骤三的推理系统，获得目标建筑内部剪力墙空间布置信息和混凝土强度等级。本发明方法可以应用于高层剪力墙住宅建筑信息的重构。
-
Patent Agency Ranking
公开(公告)号：CN118195968A
公开(公告)日：2024-06-14
申请号：CN202410333442.1
申请日：2024-03-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了基于深度学习和鱼眼摄像头的结构响应监测方法，属于建筑结构监测领域。包括以下步骤：S100、使用鱼眼摄像头获取原始数据，并对数据进行预处理；S200、将经过预处理的数据进行图像畸变校正与特征提取；S300、基于S200输出的结果进行建筑结构的位移监测。本发明提高分割准确性、增强了鲁棒性、有效地利用先验信息，提高了分割结果的一致性和可解释性。本发明的结构响应监测方法可用于普通摄像头和鱼眼摄像头，具有更广的适用性。本发明技术中还包括了针对于普通摄像头和鱼眼摄像头的线框提取模型以及畸变矫正模型，这两个模型也可广泛应用于如图像分割、图像分类等其他计算机视觉任务中。
-
公开(公告)号：CN118171362A
公开(公告)日：2024-06-11
申请号：CN202410343589.9
申请日：2024-03-25
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094 , G06F119/02 , G06F119/14
Abstract: 一种用于结构抗震能力评估的高层剪力墙住宅建筑信息重构方法，它属于土木工程技术领域。本发明的目的是为解决现有方法对高层剪力墙住宅建筑进行抗震能力评价的准确性差的问题。本发明方法具体为：步骤一、获取目标建筑的建筑轮廓、结构几何信息和结构设防烈度；步骤二、搭建基于剪力墙结构自振周期估计器的建筑内部剪力墙空间布置推测网络；步骤三、建立将结构设防烈度和结构层数作为输入、将建筑各层混凝土强度等级作为输出的材料强度等级模糊推理系统；步骤四、根据步骤一获得的信息、步骤二的网络以及步骤三的推理系统，获得目标建筑内部剪力墙空间布置信息和混凝土强度等级。本发明方法可以应用于高层剪力墙住宅建筑信息的重构。
-
公开(公告)号：CN117077483A
公开(公告)日：2023-11-17
申请号：CN202311044590.3
申请日：2023-08-18
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06F111/10 , G06F119/14
Abstract: 基于物理一致机器学习的差分系数求解方法，本发明的目的是为了解决传统基于泰勒展开的差分系数在应用时易发生频散的问题。本发明的差分系数求解方法：一、建立求解一阶空间微分的差分算子；二、将差分算子变换至波数域，建立频散方程；三、建立方程边界条件及最终目标函数；四、基于目标函数形式建立神经网络，并对网络的输入、输出、层数、神经元数量、激活函数、权重进行设计，使网络内部结构与建立的目标函数具有一致性；五、对神经网络进行训练。本发明基于由差分频散方程推导的目标函数，建立了目标函数和神经网络结构之间的本征联系，赋予了神经网络可解释性。当采用相同的网格点时，使用本发明求得的差分系数结果误差更小。
-
公开(公告)号：CN117034707A
公开(公告)日：2023-11-10
申请号：CN202311044529.9
申请日：2023-08-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提出基于机器学习的城市建筑群震害实时模拟方法。所述方法利用简化模型自动化建模和计算效率高的优势，快速建立城市建筑群每个单体建筑对应的简化模型，并进行地震动作用下的时程分析以生成代理模型所需的数据集，再基于机器学习算法建立简化模型的代理模型，直接构建地震动到结构响应或破坏状态的映射关系，即可利用代理模型超高的计算效率实现城市建筑群震害的实时模拟。除此之外，将地震动记录转化为地震动参数作为代理模型输入，消除了现有代理模型仅适用于特定类型地震动记录的限制；简化模型皆为集中质量层模型，可消除建筑结构类型的区别，从而解决了现有代理模型仅适用于特定类型建筑的问题。
-
公开(公告)号：CN115099523B
公开(公告)日：2023-10-24
申请号：CN202210861947.6
申请日：2022-07-20
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06N3/084 , G06N3/04 , G06F30/27 , G06F18/214
Abstract: 基于人工智能与地震动经验模型混合的地震动参数预测方法，本发明是为了解决现有方法无法同时保留预测精度与衰减关系的物理意义的问题。地震动参数预测方法：一、选择地震动衰减关系的传统经验公式，确定该传统经验公式中的运算形式、输入参数项、输出参数项和未知系数；二、建立地震动数据集；三、建立结合传统经验公式的神经网络；四、利用神经网络结合地震动数据集进行网络训练，通过神经网络的反向传播，计算未知系数的梯度，通过不断迭代训练，使得损失函数不断减小，得到最优系数的训练结果。五、地震动参数预测。本发明地震动参数预测方法包含经验模型，鲁棒性更好。为结构抗震设计、地震危险性分析，提供了有效的依据。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.034 seconds)
