基于IGOA-ELM的拱桥多节段吊装扣挂施工线形预测方法

摘要：

为了实现对大跨度钢管混凝土拱桥扣索索力的高效率优化,提出了一种基于改进的蝗虫优化算法(IGOA)和极限学习机(ELM)的线形预测方法和索力优化模型.采用非线性递减函数和精英保留策略改进蝗虫优化算法,使其适应高维优化问题.建立了基于改进蝗虫算法优化极限学习机的拱桥线形预测模型,将有限元模型的计算结果作为极限学习机的训练样本并记忆最佳训练参数,建立了基于IGOA-ELM算法的索力优化模型.以某大跨度钢管混凝土拱桥为工程背景进行了应用研究,根据实测线形结果对优化模型结果进行了验证.结果表明:IGOA优化后的极限学习机相较标准ELM、BP神经网络和SVM模型预测精度更高;优化输入权值矩阵和隐含层偏差后的ELM模型可以精确预测不同索力组合下的成拱线形,对数据样本的泛化能力较强,对于样本索力组合的预测结果十分接近有限元模型的实际计算结果;IGOA算法对高维优化问题具有较好的收敛性,与标准PSO、标准GOA算法相比,IGOA算法均能收敛至不同测试函数的理论最优值附近,算法性能得到大幅提升;基于IGOA-ELM算法优化得到的扣索张拉力相较设计张拉力有效改善了成拱线形,达到了一次斜拉扣挂下的线形优化目标;与基于传统有限元法进行优化的方式相比,IGOA-ELM优化耗时最短,有效提高了结构优化效率.

关键词：桥梁工程、线形预测、极限学习机、钢管混凝土拱桥、改进的蝗虫优化算法、非线性收敛

所属期刊栏目：39

分类号：U448.2(桥涵工程)

资助基金：南宁市优秀青年科技创新创业人才培育项目;南宁市创新创业领军人才邕江计划创新项目;广西科技计划项目

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：95-105