39、桥梁动态位移预测：人工智能模型的应用与挑战

桥梁动态位移预测：人工智能模型的应用与挑战

1. 桥梁动态位移预测的重要性与挑战

桥梁动态位移预测是一项极具挑战性的任务。桥梁会受到多种因素的影响，包括静态荷载、车辆产生的动态荷载、风、温度以及气象条件等。气象条件参数（如风速、风向）和车辆参数（如速度、重量）难以控制，这使得桥梁动态位移预测变得复杂。为确保人类和桥梁结构的安全，对桥梁物理响应进行监测和预测是必要的。

2. 人工智能在桥梁位移预测中的优势

随着人工智能（AI）的发展和计算机技术的支持，同时处理复杂输入并进行预测成为可能。AI模型能够同时处理多个变量，这是其最大的优势。通过统计标准，可以找到相对较好的模型，但寻找每个模型的最佳结构、最佳激活函数以及最佳节点和隐藏层数量是昂贵且耗时的。

2.1 研究现状

在当前研究中，独立变量数量为2，观测数量为591，但实际中的影响因素更多。未来研究需要考虑风速、车辆荷载和设计参数等因素。

3. 研究采用的AI模型及数据

本研究使用了五种AI模型来预测Co Luy桥的动态位移，这些模型分别是：
- 普通长短期记忆网络（vanilla LSTM）
- 堆叠长短期记忆网络（stack LSMT）
- 双向长短期记忆网络（bidirectional LSTM）
- 普通门控循环单元（vanilla GRU）
- 堆叠门控循环单元（stack GRU）

数据采用了多变量组合，五个模型都考虑了温度、应变计与从全球导航卫星系统实时动态定位技术（GNSS - RTK）提取的X、Y和Z之间的关系。

3.1 模型性能评估