基于LSTM模型的高原桥梁温度场预测研究

基于LSTM(long short-term memory,长短期记忆)神经网络深度学习模型,通过自适应矩估计算法建立桥位处的环境温度、地表太阳辐射量(包括直接辐射和散射辐射)、平均风速和风向等环境参数与箱梁温度场之间的映射关系,并通过贝叶斯算法优化LSTM模型中的超参数,使均方差降至最低,从而获得箱梁温度场预测模型。预测值与实测值的对比分析表明,建立的 LSTM 神经网络深度学习模型能够根据环境参数准确预测高原环境下连续刚构桥箱梁的温度场,且模型具有较强的泛化能力。