人工智能方法在土木工程监测中的运用

Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v3i4.17941

常雅楠¹, 申畅², 张云鹏³

1. 山东省工程咨询院
2. 山东省计算中心
3. 国网山东省电力公司

Abstract

本文系统综述人工智能(AI)方法在土木工程监测领域的应用,阐述了从传统物理模型监测范式向数据驱动与物理知识融合范式的转变,深入剖析了以深度学习为核心的AI方法在结构损伤识别、模态参数辨识等核心任务中的应用,重点分析了卷积神经网络、循环神经网络等模型处理视觉与时序数据的机制与效能。聚焦前沿AI范式,系统论述物理信息神经网络、联邦学习、可解释人工智能及强化学习分别应对数据稀疏、隐私保护、模型信任和决策优化的优势。本文探讨了数字孪生作为集成AI技术、实现智能运维的核心使能平台的价值,并总结当前领域面临的数据异构性、模型泛化能力、环境多变性等挑战,展望了自监督学习、跨域知识迁移和物理-数据双驱动大模型等未来研究方向。

Keywords

结构健康监测；人工智能；深度学习；数字孪生

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 王超,钟继卫,朱宏平.面向管养的军山大桥健康监测系统研究[J].土木工程与管理学报,2013,30(3):6-11.
[2] 马静,刘琳,吕素岩.混凝土桥梁裂缝监测与评估技术[J].全面腐蚀控制,2025,39(04):185-188.
[3] 夏金磊.基于注意力机制与多尺度特征的遥感影像建筑物提取研究[D].桂林理工大学,2024.
[4] 蒲旭松.基于Transformer和自适应深度学习的多模式化工过程故障预警与检测[D].天津科技大学,2024.
[5] 张愈杰,龙士工,张珺铭.非独立同分布数据下联邦学习的隐私保护算法[J].计算机工程与设计,2025,46(4):1047-1055.
[6] 刘乔寿,皮胜文,原炜锡.基于Z-Score动态压缩的高效联邦学习算法[J].计算机应用研究,2024,41(07):2093-2097.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License