基于时间-空间图卷积神经网络模型的桥梁挠度预测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：为提高桥梁挠度预测精度,提前识别桥梁结构损伤,将时间-空间图卷积神经网络模型用于桥梁挠度的预测.时间-空间图卷积神经网络可以根据当前桥梁监测点的历史数据进行时序特征的学习,还可从当前监测点周边的监测点数据进行空间特征的学习,获得更加全面的空间和时间特征.案例结果显示,时间-空间图卷积神经网络模型在桥梁挠度预测上表现较好,RMSE为1.73 mm,模型预测准确率为94%,与时序LSTM模型相比,融合了空间特征的时间-空间图卷积网络模型可一步提高预测精度,模型准确率提高了9.3%,RMSE减少了近33.2%.比决策树模型精度提高了21%.

作者：

甄羡超

展开 >

作者单位：

华东建筑设计研究院有限公司,上海 200232

关键词：

桥梁挠度预测时间-空间图卷积神经网络 LSTM模型

出版年：

2024

上海建设科技

上海市城乡建设和交通委员会科学技术委员会上海市建筑科学研究院（集团）有限公司

上海建设科技

影响因子：0.262

ISSN：1005-6637

年,卷(期)：2024.(6)