基于LSTM的桥梁健康监测数据挠度预测
目前传统桥梁定检手段可能不能及时发现和排除桥梁病害,为保障桥梁安全,需实时监测桥梁.在花鱼洞大桥监测项目中,提出基于长短记忆神经循环网络LSTM的预测模型.通过重构融合桥梁监测获得的环境和结构响应数据预测挠度变化,以MSE,MAE,R2作为评价指标对比分析验证模型准确度.结果表明,融合重构时间、温度、加速度、弦杆应变数据的模型组合,对桥梁挠度的预测精度最高,达96.52%,预测性能最好的组合和最差的组合平均性能MSE,MAE分别降低21.83%,7.1%,R2提高0.73%.证实运用LSTM模型能捕捉桥梁长时间的力学响应信息关联性,能基于监测数据预测未来桥梁变形,起及时预警的作用.
桥梁、健康监测、数据分析、长短记忆神经循环网络、重构融合
52
U448.2(桥涵工程)
贵州省科技计划项目GXCX-2018-016
2023-05-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
30-35