TY - A2的刘Pengfei盟——苗族Pengyong PY - 2021 DA - 2021/07/28 TI - Prediction-Based现有桥梁的维护使用神经网络和灵敏度分析SP - 4598337六世- 2021 AB -桥恶化是受到各种因素的影响。然而,无论是这些因素之间的关系和恶化是明确决定,也不是每个因素的相对影响恶化很好理解。本研究提出了一个方法来解决这些问题通过集成人工神经网络(ANN)和灵敏度分析方法。安是用来预测恶化和灵敏度分析方法应用于评估每个因素对恶化的影响。测试方法与3368块桥检测数据表明,(1)发达安获得约65%的准确性;和(2)七个因素被识别影响恶化。既定的ANN模型等效性能恶化三年级和四种类型的桥梁。两个灵敏度分析(沙普利值Sobol指数)方法进行比较,他们发现同样的五个最重要的因素。因此,此方法可以有效地避免不确定性因素恶化通过提供一个相对重要性的因素。方法的预测能力和因素重要性识别能力使它适合决策者了解恶化情况和安排进一步的检查和相应的维修策略。 SN - 1687-8086 UR - https://doi.org/10.1155/2021/4598337 DO - 10.1155/2021/4598337 JF - Advances in Civil Engineering PB - Hindawi KW - ER -