[发明专利]一种大跨度钢结构建筑微应变的短期预测方法

权利要求书

1.一种大跨度钢结构建筑微应变的短期预测方法，其特征在于，包括以下步骤：

步骤1、获取大跨度钢结构建筑微应变的历史数据，然后将历史数据分成训练集和测试集；

步骤2、利用变分模态分解方法对步骤1中的训练集和测试集进行自适应分解，提取历史数据中分解的各模态分量数据，再利用相空间重构对分解的各模态分量数据进行加工处理优化，得到训练集各模态分量子序列和测试集各模态分量子序列；

步骤3、利用步骤2中得到的训练集各模态分量子序列作为训练样本，采用反向误差传播方法对门控循环单元中的各模态分量子序列进行训练，利用损失函数对权重参数和偏移参数进行调整更新，完成深度网络学习，建立训练集各模态分量子序列的门控循环单元钢结构建筑微应变的短期预测子模型；

步骤4、利用步骤3得到的训练集各模态分量子序列的门控循环单元钢结构建筑微应变的短期预测子模型对步骤2中的测试集各模态分量子序列进行预测，得到预测的测试集各模态分量子序列o′_(n)，最后将预测的测试集各模态分量子序列o′_(n)进行累加得到预测集o'；

步骤5、利用步骤4中得到的预测集o'与步骤1历史数据中的测试集进行对比分析，完成大跨度钢结构建筑微应变的短期预测评价。

2.根据权利要求1所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤1中，将历史数据按9：1的比例分成训练集和测试集。

3.根据权利要求1所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤2具体为：

步骤201、分解历史数据，初始化各模态中心频率算子最大迭代次数N、惩罚因子α以及变分模态数目K；

步骤202、更新参数和

步骤203、对于给定的判别精度ε＞0，若满足则停止迭代，否则返回步骤202；

步骤204、利用相空间重构对分解得到的各模态分量数据进行加工处理优化，得到高维特征空间的各模态分量子序列。

4.根据权利要求3所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤3具体为：

步骤301、采用步骤204中得到的高维特征空间的各模态分量子序列作为训练样本代入门控循环单元中进行学习训练；

步骤302、使用训练样本中各模态分量子序列从门控循环单元的反向误差传播更新公式中学习更多的钢结构建筑微应变的短期预测相关的信息。

5.根据权利要求3所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤201中，将历史数据利用变分模态分解方法分解成5个调幅调频子信号，并通过迭代搜寻各模态分量子序列最优解，进而确定各分解模态分量子序列的中心频率，实现各模态分量子序列的有效分离。

6.根据权利要求5所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤201中，输入的参数量为1个，即大跨度钢结构建筑微应变一定时间的历史数据；中间的隐藏层根据变分模态分解方法确定为5个分量；输出的参数量为1个，即历史数据各模态分量子序列。

7.根据权利要求3所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤202中，具体更新如下：

其中，和分别代表f(ω)、μ_i(ω)、λ(ω)和的傅里叶变换；n代表迭代次数。

8.根据权利要求3所述的大跨度钢结构建筑微应变的短期预测方法，其特征在于，步骤204中，采用相空间重构构造高维特征空间的各模态分量子序列，对于变分模态所分解的历史数据各模态分量子序列X＝{x_i/i＝1,2,3,...，N}在不同服役期间预测h的相空间重构，具体为：

其中，L＝N-(d-1)·τ-h；N为历史数据的样本总数；τ和d分别是延迟时间和嵌入维数；X_i(i＝1,2,…,L)表示相空间中第i个空间矢量。