基于长短期记忆网络的桥梁温度预测方法、介质及设备技术

本发明专利技术公开了一种基于长短期记忆网络的桥梁温度预测方法、介质及设备，将桥梁温度数据集按比例分为训练集，验证集和测试集；基于Keras构建网络模型，使用训练集和验证集对网络模型进行训练，得到预测模型；将测试集数据送入预测模型中，在预测窗口发现异常值时，进行预警处理。本发明专利技术通过对时间窗口的划分，提供了充分的预警时间来解决发现的问题，并且神经网络预测模型在峰值的预测上更为精准，更稳定。定。

【技术实现步骤摘要】
基于长短期记忆网络的桥梁温度预测方法、介质及设备


[0001]本专利技术属于桥梁
，具体涉及一种基于长短期记忆网络的桥梁温度预测方法、介质及设备。

技术介绍

[0002]桥梁作为重要的基础设施，是一种对安全性与可靠性有极高要求的复杂系统。自上世纪80年代起，健康监测技术开始引入桥梁工程，已成为传统人工检查方式的重要补充。目前为止中国公路桥梁的信息化程度与世界一流水平还存在不小的差距，面向公路大中型桥梁的结构健康监测系统也还有一些问题亟待解决，其中桥梁状态的监测预警是重中之重。然而，要实现实现桥梁状态的及时预警，仅仅依靠传感器的监测是不够的，还要有准确的预测以确保有充分的时间来进行预警。
[0003]传统的时间序列预测方法对参数模型的选择有很高的依赖性，在结构建模和模型更新上容易陷入困境，因此基于数据驱动方法近年来引起了广泛关注。基于以上结论，我们设计了一种基于长短期记忆神经网络(Long Short-Term Merory，LSTM)的时间序列预测模型，该模型可以在较为精准的预测桥梁未来状态走向的同时，预留充分的预警时间(24h)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于长短期记忆网络的桥梁温度预测方法，其特征在于，包括以下步骤：S1、将桥梁温度数据集按比例分为训练集，验证集和测试集；S2、基于Keras构建网络模型，使用步骤S1得到的训练集和验证集对网络模型进行训练，得到预测模型；S3、将步骤S1的测试集数据送入步骤S2得到的预测模型中，在预测窗口发现异常值时，进行预警处理。2.根据权利要求1所述的基于长短期记忆网络的桥梁温度预测方法，其特征在于，步骤S1中，将数据集按9：2：1的比例划分为训练集，验证集，以及测试集。3.根据权利要求1所述的基于长短期记忆网络的桥梁温度预测方法，其特征在于，步骤S2中，网络模型为四层网络结构，包括两层LSTM网络和两层Dense网络。4.根据权利要求3所述的基于长短期记忆网络的桥梁温度预测方法，其特征在于，LSTM网络包括遗忘门f
t
，输入门i
t
和输出门o
t
，具体如下：f
t
＝σ(W
f,x
X
t
+W
f,y
Y
t
+b
f
)i
t
＝σ(W
i,x
X
t
+W
i,y
Y
t-1
+b
i
)o
t<...

【专利技术属性】
技术研发人员：张建龙，束景晓，郑旭达，赵东月，傅磊，王韶鹏，王一戈，崔潇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：