[发明专利]一种基于多模型的桥梁应变应力数据预测方法

说明书

本发明公开了一种基于多模型的桥梁应变应力数据预测方法，包括：采集一段时间内桥梁应变应力数据，对采集到的桥梁应变应力数据进行预处理，获取包含多种数据特征的数据序列，将数据序列输入至构建好的Prophet模型，获得Prophet预测序列，将Prophet预测序列与数据序列作差，获得残差序列，将残差序列输入至构建好的长短期记忆网络LSTM，获得预测残差预测序列，将残差预测序列与Prophet预测序列求和，获得应变应力的组合模型预测结果。实验结果表明，本文提出方法预测精度更高，拟合性能更优。

技术领域

本发明涉及桥梁检测技术领域，更具体的涉及一种基于多模型的桥梁应变应力数据预测方法。

背景技术

桥梁在建造和使用过程中，由于受到环境的侵蚀，建筑材料及性能不断退化。如果不及时进行检测和维修，不仅缩短桥梁的使用寿命，还会影响行车安全，甚至导致桥梁坍塌造成重大的交通事故。目前传统的中小型桥梁评估，往往是通过简单的人工监测手段。然而仅仅通过人工检测，检测周期长，桥梁信息获取滞后，检测情况难以量化。随着大数据人工智能技术的发展，通过海量数据对桥梁进行健康监测管理已成为一种必然的趋势。在桥梁监测管理中，对桥梁检测数据的描述及预警成为了当下国内外专家学者研究的热点问题。

桥梁的健康检测项目有很多，如果全部进行监测，需要极大的数据处理能力并且容易出错。目前桥梁健康监测最有代表性的项目有三类：周边环境数据、应变应力数据和结构变形数据。本发明选取应变应力数据作为研究对象，应变应力对桥梁的安全极为重要，当桥梁通过车辆过多、重量过大时，应变过大会损伤桥梁结构，如果没有及时调整，桥梁内部结构会严重破损导致安全事故。在桥梁主梁的重要结构点位布置传感器，收集在各种车辆负载条件下结构的应力数据，根据整体应变的大小可以对桥梁整体的损伤和健康状态进行测评

桥梁检测数据往往受多种因素影响，其中既包含常规的线性趋势又包含复杂多变的非线性规律，使用单一模型进行拟合难以两者兼顾。而单一模型在桥梁监测数据预测中由于考虑因素不够周全，在数据预测精度上还有提升的空间，所以找到一种对于桥梁检测数据精确预测的模型显得十分迫切。

发明内容

本发明实施例提供一种基于多模型的桥梁应变应力数据预测方法，包括：

采集一段时间内桥梁应变应力数据，构成原始数据序列；

将原始数据序列输入至构建好的Prophet模型，提取一段时间内桥梁应变应力数据中的周期信号以及增长趋势，对周期信号以及增长趋势进行序列分解，捕捉序列分解后的各个趋势进行预测，获得Prophet预测序列；

将Prophet预测序列与原始数据序列作差，获得拟合后的残差序列；

将拟合后的残差序列输入至构建好的长短期记忆网络LSTM，获得残差预测序列；

将残差预测序列叠加到Prophet预测序列上，获得应变应力预测组合模型；

在应变应力预测组合模型中输入桥梁应变应力数据，获得桥梁检测结果。

优选地，还包括对采集到的桥梁应变应力数据进行预处理，其具体包括：

补充缺失时间对应的桥梁应变应力数据；

清洗桥梁应变应力数据数据，得到数据序列；

数据序列划分为训练集和预测集。

优选地，多种数据特征的数据序列，包括：

日周期桥梁应变应力数据序列项；

周周期桥梁应变应力数据序列项；

桥梁应变应力数据序列趋势项。

优选地，Prophet模型的参数选择，包括：

舍弃桥梁应变应力数据年-周期性；