文档名：基于CEEMDANVMDPSOLSTM模型的桥梁挠度预测
摘要：针对桥梁运行阶段的健康状态监测,构建了CEEMDAN-VMD-PSO-LSTM模型对桥梁挠度进行预测.该模型主要分为二次模态分解平稳化、粒子群优化(PSO)算法和长短期记忆(LSTM)网络预测三大模块,共有5个步骤:①利用自适应噪声完备集合经验模态分解(CEEMDAN)算法对桥梁原始挠度序列进行初次模态分解,分解为若干本征模态分解函数(IMF);②使用样本熵(SampEn/SE)计算各IMF分量的复杂度,并通过K-means聚类为高频、中频和低频3个IMF分量;③通过变分模态分解(VMD)算法对高频IMF分量进行二次模态分解;④分别对各个IMF分量通过PSO算法得出LSTM最优超参数组合;⑤将各最优超参数分别代入LSTM模型进行训练,并将各预测结果融合为最终的预测结果.结果表明:该预测方法具有最高的预测精度,为智慧桥梁的安全监测监控提供了新的技术方法.
Abstract：Inordertoforecastbridgedeflectionfortheoperationalphaseofmonitoringthehealthstatusofbridges,aCEEMDAN-VMD-PSO-LSTMmodelwasbuilt,includingthreemainmodules,namely,Quad-raticmodaldecompositionsmoothing,thePSOalgorithm,andLSTMprediction.Therearefivesteps.First,theoriginaldeflectionsequenceofabridgeisdecomposedintoseveralintrinsicmodedecompositionfunc-tions(IMFs)usingCEEMDAN.Second,thecomplexityofeachIMFcomponentisdeterminedusingsam-pleentropy(SampEn/SE),andthreeIMFcomponentsofhigh,medium,andlowfrequenciesareclusteredbyK-means.Thirdly,theVMDisusedtodeterminetheoriginaldeflectionsequenceandhigh-frequencyIMFcomponentsarethensubjectedtoquadraticmodedecompositionbyVMD.Fourthly,thePSOoptimiza-tionalgorithmisusedtoderivetheoptimalLSTMhyperparametersforeachIMFcomponent.Fifthly,theLSTMmodelistrainedusingeachoftheoptimalhyperparameters,andfinally,thepredictionresultsarecombinedtoproducethefinalpredictionresult.Thefindingsindicatethatthepredictionmethodoffersafreshtechnicalstrategyforthesafetymonitoringofsmartbridgesandhasthehighestpredictionaccuracy.
作者：郭永刚 张美霞 王凯 刘立明 陈卫明 Author：GUOYonggang ZHANGMeixia WANGKai LIULiming CHENWeiming
作者单位：安徽建工建设投资集团有限公司,安徽合肥230031中国地质大学(武汉)工程学院,湖北武汉430074
刊名：安全与环境工程 ISTICPKU
Journal：SafetyandEnvironmentalEngineering
年，卷(期)：2024, 31(3)
分类号：X951U446
关键词：桥梁挠度预测 自适应噪声完备集合经验模态分解 变分模态分解 样本熵 K-means聚类 粒子群优化 长短期记忆网络
Keywords：bridgedeflectionprediction completeensembleempiricalmodedecompositionwithadaptivenoise(CEEMDAN) variationalmodedecomposition(VMD) SampEn/SE K-means particleswarmoptimi-zation(PSO) longshort-timememorynetwork(LSTM)
机标分类号：U445.4TH133.33V221
在线出版日期：2024年6月18日
基金项目：国家重点研发计划，陕西省煤矿水害防治技术重点实验室开放基金项目，中央高校基本科研业务费专项资金项目，湖北省高等学校省级教学研究项目，安徽省住房城乡建设科学技术计划项目基于CEEMDAN-VMD-PSO-LSTM模型的桥梁挠度预测[
期刊论文] 安全与环境工程--2024, 31(3)郭永刚 张美霞 王凯 刘立明 陈卫明针对桥梁运行阶段的健康状态监测,构建了CEEMDAN-VMD-PSO-LSTM模型对桥梁挠度进行预测.该模型主要分为二次模态分解平稳化、粒子群优化(PSO)算法和长短期记忆(LSTM)网络预测三大模块,共有5个步骤:①利用自适应噪声完备集...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于CEEMDAN-VMD-PSO-LSTM模型的桥梁挠度预测 CEEMDAN-VMD-PSO-LSTM model for bridge deflection prediction
基于CEEMDAN-VMD-PSO-LSTM模型的桥梁挠度预测.pdf
- 文件大小:
- 6.21 MB
- 下载次数:
- 60
-
高速下载
|
|
