38、基于深度学习的桥梁动态位移预测研究

基于深度学习的桥梁动态位移预测研究

1. 研究背景与趋势

近年来，机器学习成为研究热点，广泛应用于监测应用及其他领域。在结构健康监测方面，机器学习方法逐渐崭露头角，而深度学习在预测模型中的应用也日益增多。不过，目前对于“哪种是最佳预测模型”这一问题，尚无明确答案。例如，在对比四种统计和分析技术时，虽ARIMA相对更受青睐，但仍无适用于所有时间序列的标准化程序。

深度学习起源于人工神经网络（ANN），ANN模型在实时估计方面表现出色，尤其在学习环境条件动态变化以提高预测准确性时效果显著。目前，深度学习已成为时间序列预测的研究趋势，被应用于诸多场景，如估算动态载荷下的动态位移、预测移动车辆作用下梁桥的垂直位移等。

本文将研究五种深度学习模型，结合GNSS时间序列数据、温度数据和应变计数据，预测桥梁的动态位移，并比较各模型的预测结果。

2. 研究区域与数据

2.1 Co Luy桥概况

Co Luy桥是跨越Tra Khuc河的一座河流桥梁，也是广南省最长的斜拉桥。桥长1877米，有37个桥跨，其中6个主跨，5个斜拉索塔，连接广南市的Tinh Khe和Nghia Phu。

该桥拥有复杂的结构健康监测系统，配备了数百个各类传感器，包括温度传感器、风速传感器、位移传感器、加速度计传感器、应变计传感器和GNSS传感器。其中，两个GNSS传感器位于中间斜拉索塔的两侧，且靠近温度和应变计传感器安装。这两个GNSS设备为Topcon品牌的多频、多通道设备，适用于恶劣环境，RTK方法的具体精度为：水平平面（X和Y方向）±5mm + 0.5ppm（X基线长度），垂直方向（Z方向）±10mm + 0.8ppm。