[发明专利]一种基于深度学习LSTM网络的桥梁静态位移预测方法

说明书

本发明公开了一种基于深度学习LSTM网络的桥梁静态位移预测方法，S1、数据采集：首先利用检测系统中的数据采集模块对桥梁的基本数据进行采集，本发明涉及桥梁结构安全技术领域。该基于深度学习LSTM网络的桥梁静态位移预测方法，通过设置有存储系统和检测系统，利用数据采集模块对所需的桥梁数据进行实时的检测，并且通过模型建立单元和模块训练模块形成训练后的模型，并且对于产生的问题进行实时的检测、预测，同时配合上存储系统进行存储更新，不仅能够有效的检测出桥梁受外界因素影响产生的位移，而且可以提前告知进行问题的解决，以此提高了桥梁建造使用的安全性，同时也提高了人员对于桥梁的勘察完全性。

技术领域

本发明涉及桥梁结构安全技术领域，具体为一种基于深度学习LSTM网络的桥梁静态位移预测方法。

背景技术

桥梁静态位移是桥梁结构安全监测的重要监测内容，桥梁挠度的变化最能直接反映出桥梁整体的竖向刚度、承载能力的变化；对桥梁结构变形趋势的预测，能够有助于桥梁工作性能评估和结构安全的预警。

现有的桥梁在进行检测的过程中，多数只是进行单一性的检测，导致桥梁在受到其他一些外界因素影响时，产生较大的拨动和偏移，而问题未检测出对于后期的安全问题造成较大的影响，为此，本发明提供了一种基于深度学习LSTM网络的桥梁静态位移预测方法。

发明内容

针对现有技术的不足，本发明提供了一种基于深度学习LSTM网络的桥梁静态位移预测方法，解决了现有的桥梁在进行检测的过程中，多数只是进行单一性的检测，导致桥梁在受到其他一些外界因素影响时，产生较大的拨动和偏移，而问题未检测出对于后期的安全问题造成较大的影响，的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于深度学习LSTM网络的桥梁静态位移预测方法，具体包括以下步骤：

S1、数据采集：首先利用检测系统中的数据采集模块对桥梁的基本数据进行采集，并且对挠度和结构抗剪承载力数据进行测算，同时将所采集的数据输入到存储系统进行汇总、整理和存储，以及将数据传输到数据处理模块进行分析处理；

S2、数据建模：此时对分析处理后的数据传输到三维建模模块中，以此形成三维立体图，通过人员施工实现模型的建立，并通过施加外界因素实现对桥梁静态位移的检测，同时将通过LSTM网络的训练模型进行桥梁检测；

S3、预测实验：在实验对象准备完成后，通过人员的实施模拟实现训练后的LSTM网络训练模型对桥梁静态位移进行检测，并且对检测中产生的数据进行实时记录，同时对于出现的问题进行预警和解决，并对于数据进行修改和及时的更新；

所述S1-S3中包括存储系统和检测系统，所述存储系统和检测系统实现双向连接；

所述存储系统中包括数据接收模块、数据管理模块、数据存储模块、数据输出模块、实时更新模块和数据显示模块，所述数据接收模块的输出端与数据管理模块的输入端连接，所述数据管理模块的输出端与数据存储模块的输入端连接，所述数据存储模块的输出端与数据输出模块的输入端连接，所述数据存储模块与数据显示模块实现双向连接，所述实时更新模块的的输出端与数据显示模块的输入端连接。

优选的，所述数据管理模块中包括数据引入单元、数据整理单元、数据分类单元和数据引出单元，所述数据引入单元的输出端与数据整理单元的输入端连接，所述数据整理单元的输出端数据分类单元的输入端连接，所述数据分类单元的输出端与数据引出单元的输入端连接。

优选的，所述检测系统中包括数据采集模块、信息中心处理器、数据处理模块、模型建立单元、数据预测模块、数据传送模块、桥梁检测模块、模块训练模块和预测预警模块，所述数据采集模块的输出端与信息中心处理器的输入端连接。

优选的，所述信息中心处理器的输出端与数据处理模块的输入端连接，所述数据处理模块的输出端与模型建立单元的输入端连接，所述模型建立单元的输出端与数据预测模块的输入端连接。