一种基于机器学习的建筑结构健康监测方法

本发明涉及建筑结构数据处理领域，具体涉及一种基于机器学习的建筑结构健康监测方法。该方法包括采用分布式联邦学习架构，本地模型采用基于动态自学习的SMOTE算法产生合成传感数据，训练各本地模型中的基于加速收敛的自编码神经网络；中央服务器进行参数聚合后更新全局模型；采集新的建筑传感数据，采用训练完成的基于加速收敛的自编码神经网络对新的建筑传感数据进行特征降维，随后采用Softmax函数对特征降维后的新的建筑传感数据进行分类。现有的建筑结构健康监测方法存在分类准确性较低且易出现大批量数据泄露的问题。本发明提供的一种基于机器学习的建筑结构健康监测方法分类准确性较高且不易出现大批量数据泄漏。