雷暴风作用下大跨度桥梁抖振响应智能预测研究

面向特异风环境桥梁风振实时推演，开展了雷暴风作用下大跨度桥梁抖振响应智能预测研究。以苏通大桥实测数据为基础，分析了风场参数与主梁抖振响应之间的相关性，确定了桥梁雷暴风效应的主要关联参数。基于前馈神经网络(FNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、门控循环单元(GRU)等典型神经网络模型，以主要风场关联参数及历史抖振响应作为输入，开展了桥梁抖振响应预测网络架构与模型训练，并对比分析了4种模型的预测效果。研究结果表明：雷暴风作用下大跨度桥梁的抖振响应主要与平均风速、平均风向、脉动风速均方差、紊流积分尺度等风场参数密切相关；待预测的桥梁抖振响应与历史风场及桥梁状态参数有关，需考虑二者的记忆效应；FNN与CNN未能较好地表征该记忆效应，故预测结果与实测值仅趋势相近，预测误差相对较大；GRU与LSTM的预测效果总体较好，GRU在雷暴风风速较大时的预测效果最优；LSTM在高风速下的预测效果略低于GRU,但在风速较低时的抖振预测精度最高，即具有更强的泛化能力。研究结果可为雷暴风易发区大跨度桥梁的安全运维提供借鉴与参考。