同济大学学报(自然科学版)

作者：秦宁宇，吴杰，张其林

单位：同济大学 土木工程学院，上海 200092

关键词：结构健康监测,超高层结构,自编码器神经网络,集成学习,异常数据识别

基金：国家重点研发计划（2023YFC3805700）

针对结构健康监测中多种异常数据人工识别效率低下的难题，提出一种基于集成式神经网络模型的超高层结构异常监测数据诊断方法。采用短时傅里叶变换，压缩并提取其中包含主要结构振动模态的时频域信息，实现了数据的高保真压缩；采用Bagging集成策略，通过自主采样方法生成多个子训练集，并行训练若干个子神经网络模型，通过融合子模型的预测结果，提高异常数据类型辨识的准确率。基于上海中心大厦健康监测系统的实测数据，对所提出方法的有效性和可靠性进行了验证。结果表明，基于集成式模型的异常监测数据诊断方法的准确率高达98.8%，实现了精准度高、鲁棒性强的异常监测数据诊断。

来源：2025年第12期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2025年第12期