| 数字孪生自演化驱动的地下工程沉降预测 |
| |
| 引用本文： | 胡辰熙,杨启亮,邢建春,秦霞,李苏亮,贾海宁. 数字孪生自演化驱动的地下工程沉降预测[J]. 解放军理工大学学报(自然科学版), 2022, 0(5): 67-73 |
| |
| 作者姓名： | 胡辰熙 杨启亮 邢建春 秦霞 李苏亮 贾海宁 |
| |
| 作者单位： | 陆军工程大学 国防工程学院,江苏 南京 210007 |
| |
| 基金项目： | 国家自然科学基金（52178307）;江苏省自然科学基金（BK20201335） |
| |
| 摘 要： | 随着城市地下空间发展,地下工程沉降问题应引起重视。传统沉降预测模型常存在模型预测精度不高、模型可解释性差和难以模拟沉降规律的动态变化等局限性和不足,对此提出一种基于数字孪生自演化的地下工程沉降预测方法。建立的地下工程孪生体为沉降预测模型的高精度建模提供了有效的支撑,开发的“多项式回归+总体卡尔曼滤波”自演化算法每一步都具有可解释性,同时模型参数自主校正功能使预测模型能够动态追踪沉降规律的改变。实验结果表明所提方法能够有效解决传统沉降预测模型的缺陷。
|
| 关 键 词： | 地下工程孪生体 沉降预测 数字孪生自演化 多项式回归模型 总体卡尔曼滤波算法 |
| 收稿时间： | 2022-02-04 |
Subsidence Prediction of UndergroundStructures Driven by Digital Twin Self-evolution |
| |
| HUChenxi,YANG Qiliang,XINGJianchun,QINXi,LISuliang,JIA Haining. Subsidence Prediction of UndergroundStructures Driven by Digital Twin Self-evolution[J]. Journal of PLA University of Science and Technology(Natural Science Edition), 2022, 0(5): 67-73 |
| |
| Authors: | HUChenxi YANG Qiliang XINGJianchun QINXi LISuliang JIA Haining |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《解放军理工大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《解放军理工大学学报(自然科学版)》下载免费的PDF全文 |
|
