6、土木工程中的无监督学习：原理、方法与应用

土木工程中的无监督学习：原理、方法与应用

1. 无监督学习在土木工程中的应用案例

无监督学习在土木工程领域正发挥着日益重要的作用。在建筑风压模式识别方面，相关研究利用风洞获取的数据，展示了聚类算法在识别和聚类建筑上各种风压模式的有效性。这些算法能够识别对称模式、通道效应以及不同建筑配置之间的共享模式。

在结构火灾工程中，一些研究旨在解决无监督机器学习方法受关注不足的问题。他们利用140根受火钢筋混凝土（RC）柱的数据，运用无监督且可解释的聚类分析来研究RC柱在火灾条件下的响应。分析结果确定了四个聚类，每个聚类具有独特的属性和响应模式，受几何、荷载和材料特征的影响。这些发现为结构火灾工程师提供了有价值的见解，使他们能够识别并避免在火灾中性能不佳的RC柱。

2. 网络结构分类

用于模拟神经系统的网络架构和信号处理大致可分为三种类型：
- 前馈网络 ：由Rumelhart等人提出，它将输入信号集转换为输出信号集。通常通过外部监督和调整系统参数来实现输入到输出的期望转换。
- 反馈网络 ：以Hopfield网络为代表，利用输入信息建立反馈系统的初始活动状态，计算的最终状态由状态转换后的渐近结果决定。反馈网络具有反馈回路，其输出会反馈到输入，影响后续计算，能够处理更复杂的任务并捕捉时间依赖关系，广泛应用于动态系统建模、控制系统、时间序列分析和预测等领域。
- 自组织映射 ：也称为Kohonen映射，是由芬兰教授Teuvo Kohonen在20世纪80年代开发的无监督机器学习算法，用于聚类和可视化复杂的高维数据。其主要目标是将