Resumen

La predicción de señales de viento se ha vuelto cada vez más crucial en el sistema de monitoreo de salud estructural y en la ingeniería del viento recientemente. Es un tema desafiante debido a la complicada volatilidad de las señales de viento. La robustez y generalización de un predictor son significativas, así como de alta precisión. En este documento, se desarrolla una red neural convolucional (CNN) residual adaptativa, con el objetivo de lograr no solo alta precisión, sino también alta adaptabilidad para varias señales de viento con diferentes complejidades. Posteriormente, se adopta una predicción reforzada para mejorar la robustez de la predicción preliminar. Los resultados de la predicción preliminar por CNN residual adaptativa se integran con señales observadas históricas como nueva entrada para reconstruir un nuevo mapeo de predicción. Mientras tanto, se aplica una estrategia de refuerzo simplificado para obtener resultados más generalizados. Los resultados de la predicción a varios pasos para cinco tipos de señales de viento no estacionarias y no

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Pronóstico de señales de viento; Sistema de monitoreo de salud estructural; Ingeniería del viento; Red neuronal convolucional residual adaptativa; Pronóstico reforzado; Pronóstico a varios pasos
• Keywords:Wind signal forecasting; Structural health monitoring system; Wind engineering; Adaptive residual convolutional neural network; Reinforced forecasting; Multistep forecasting