原文传递
独塔斜拉桥结构变形监测数据相关性模型
| 题名： | 独塔斜拉桥结构变形监测数据相关性模型 |
| 作者： | 翟文强;陈敏;曹宝雅;邓扬;鞠翰文 |
| 关键词： | 桥梁工程;相关性模型;神经网络;斜拉桥;结构健康监测;多变量预测;结构变形 |
| 摘要： | 建立结构变形监测数据相关性模型，可实现对桥梁结构损伤的预警。详细分析了多个桥梁结构变形监测数据与温度数据间的多维时滞关系，并基于长短时记忆（LSTM）神经网络，构建了桥梁结构变形监测数据的相关性模型。通过优化LSTM神经网络模型的输入构造提高模型的预测精度，并构建了多变量预测模型，降低模型的训练成本。以某独塔斜拉桥的梁端位移、主梁挠度、索塔倾斜和结构温度监测数据为例，对不同变量的相关性进行了分析，对梁端位移和主梁挠度监测数据序列进行了预测，并与门控循环单元（GRU）神经网络的预测精度进行比较。结果表明：梁端位移、主梁挠度、索塔倾斜和结构温度监测数据间存在多维时滞现象，相关性不明确，采用传统的线性拟合和非线性拟合的方法，难以准确估计结构变形之间的复杂映射关系；通过优化LSTM神经网络模型的输入构造，提高了模型对于结构变形数据的预测精度，消除了结构变形监测数据存在的多维时滞现象，且预测误差远小于GRU神经网络，预测精度显著优于GRU神经网络；多变量预测模型的预测精度相比单变量模型的预测精度有所下降，但多变量预测模型可同时对梁端位移和主梁挠度监测数据序列进行预测，具有更高的模型使用效率，降低了模型的训练成本，适用于对多变量数据进行快速预测。 |
| 期刊名称： | 公路交通科技 |
| 出版年： | 2023 |
| 期： | 03 |
| 页码： | 84-95 |
检索历史
应用推荐
