为剔除混凝土侵彻深度试验数据异常点,提出了一种融合先验知识的异常检测算法。利用反向传播(back propagation,BP)神经网络模型拟合试验样本数据的分布,结合偏差指标筛选离群样本点,并通过经验算法评价模型异常检测性能。针对试验数据特点选择全量梯度下降结合动量优化方法,从而提高模型迭代训练的稳定性和效率,并且在构建模型过程中融合领域先验知识约束对样本数据的拟合,使得模型在训练过程中能反映附加特征的影响。结果表明,BP神经网络模型适合于刚性弹对混凝土侵彻试验数据异常点的检测,加入合理的领域先验知识可有效提高模型的检测精度。
秦帅;刘浩;陈力;张磊;
军事科学院国防工程研究院,河南洛阳471000 哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001军事科学院国防工程研究院,河南洛阳471000 哈尔滨工程大学航天与建筑工程学院,黑龙江哈尔滨150001军事科学院国防工程研究院,河南洛阳471000
力学
混凝土侵彻;神经网络;先验知识;异常检测
《爆炸与冲击》 2024 (003)
P.68-77 / 10
国家自然科学基金(12172381);中原科技创新领军人才项目(234200510016)。
10.11883/bzycj-2023-0287
评论