Indexed by：
Abstract：
拉索索力的改变直接反映斜拉桥结构体系受力状态的变化,因此索力监测对斜拉桥健康评估具有重要意义.然而现有关于索力的研究大多为索力识别,难以做到根据历史索力数据实现对未来索力的预测.为此,提出一种基于门控循环单元(GRU)神经网络的索力预测方法:利用GRU神经网络对时序型数据的处理能力以及索力数据较强的序列化特性,搭建基于GRU神经网络的索力预测框架,该预测框架包含输入层、GRU隐藏层与输出层;利用实桥连续采集的索应力时程数据作为训练及验证样本,对样本进行数据切片和归一化;搭建能够实现对该桥未来索力进行预测的GRU神经网络,结合梯度下降优化算法进行网络计算.结果表明所提方法对不同长度的拉索都具有较好的预测效果.
Keyword：
Reprint 's Address：
Email：
Source ：
振动工程学报
ISSN： 1004-4523
Year： 2023
Issue： 6
Volume： 36
Page： 1480-1484
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
