神经网络预测模型在高速铁路地震响应中的性能对比

摘要：

为明确何种深度学习模型适用于高速铁路地震响应预测分析,该文利用振动台技术建立高速铁路无砟轨道Ⅱ型板缩尺模型,使用准分布式光纤光栅采集地震时缩尺桥梁响应,建立 3 种评估指标.从预测精度和稳定性等方面深入研究,对比多层前馈网络(multilayer feedforward network,BP)、长短期记忆神经网络(long short-term memory neural network,LSTM)和循环神经网络(recurrent neural net-work,RNN)在地震响应中的效果.实验结果说明LSTM网络比BP、RNN网络模型具有更高的预测精度,且在不同应变范围中表现稳定.LMST模型预测结果的平均误差最小,均方根误差、平均绝对误差、决定系数分别达到了 0.225 82、0.147 1、0.915 42,可以获得最佳预测精度.

关键词：地震响应预测、振动台试验、准分布式光纤光栅、长短期记忆网络混合模型

所属期刊栏目：45

分类号：U211.9;TP183(铁路线路工程)

资助基金：湖南省教育厅重点项目;高铁联合基金项目

在线出版日期：2023-09-11（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：107-117