【目的】由于气象数据具有稳定性好、可靠性高和能长期获取等优点,因此基于气象预报的温度来预测桥梁结构的温度场具有重要的工程意义。【方法】建立了基于贝叶斯优化(Bayesian optimization,BO)的长短期记忆(long-short term memory,LS...【目的】由于气象数据具有稳定性好、可靠性高和能长期获取等优点,因此基于气象预报的温度来预测桥梁结构的温度场具有重要的工程意义。【方法】建立了基于贝叶斯优化(Bayesian optimization,BO)的长短期记忆(long-short term memory,LSTM)模型,利用气象温度数据和桥梁实测温度对BO-LSTM模型进行深度训练后,输入气象预报温度,实现对桥梁温度历程的准确预测。【结果】基于广州鹤洞大桥的健康监测系统和远区气象站数据,由本文方法预测的桥梁温度历程与实测桥梁温度历程的决定系数达到0.961,而气象温度与实测温度的决定系数仅为0.874。因此,本文建立的BO-LSTM预测模型通过数据挖掘与学习提升了气象温度与桥梁温度之间的相关性。【结论】本文实现了由气象温度来较为准确地预测大跨桥梁的温度历程,为解决桥梁传感器故障、停电等导致的数据缺失和漂移问题提供了一种准确、可靠的智能预测方法。展开更多
文摘【目的】由于气象数据具有稳定性好、可靠性高和能长期获取等优点,因此基于气象预报的温度来预测桥梁结构的温度场具有重要的工程意义。【方法】建立了基于贝叶斯优化(Bayesian optimization,BO)的长短期记忆(long-short term memory,LSTM)模型,利用气象温度数据和桥梁实测温度对BO-LSTM模型进行深度训练后,输入气象预报温度,实现对桥梁温度历程的准确预测。【结果】基于广州鹤洞大桥的健康监测系统和远区气象站数据,由本文方法预测的桥梁温度历程与实测桥梁温度历程的决定系数达到0.961,而气象温度与实测温度的决定系数仅为0.874。因此,本文建立的BO-LSTM预测模型通过数据挖掘与学习提升了气象温度与桥梁温度之间的相关性。【结论】本文实现了由气象温度来较为准确地预测大跨桥梁的温度历程,为解决桥梁传感器故障、停电等导致的数据缺失和漂移问题提供了一种准确、可靠的智能预测方法。
