[发明专利]一种基于卷积神经网络的斜拉索索力趋势预测方法

说明书

本发明公开了一种基于卷积神经网络的斜拉索索力趋势预测方法，该方法将历史索力监测数据按天划分为训练数据集、测试数据集和验证数据集，以连续7天的索力监测数据作为输入，后续连续3天的索力监测数据作为输出，建立多层卷积神经网络的索力预测模型，通过训练卷积神经网络模型，实现7天索力数据预测后续3天索力数据。本发明方法通过预测索力，可以在斜拉索发生损伤之前发出警报信息，引导养护部门精准维护可能会发生损伤的拉索。

技术领域

本发明涉及一种基于卷积神经网络的拉索索力趋势预测方法，主要用于基于斜拉索的历史索力数据预测斜拉索的未来索力。

背景技术

斜拉索负责传递索塔和主梁之间的荷载，是斜拉桥的关键受力构件，也是斜拉桥的易损构件，其受力状态在斜拉桥的运营环境中一旦出现异常变化，会对整个桥梁系统带来重大影响甚至噪声严重事故。目前，已经有很多传感技术和数据处理方法可以较为准确地快速地监测到斜拉索的索力，例如压力传感器、磁通量传感器、振动频率法等。通过监测斜拉索索力，可以掌握到索力的变化情况，当索力变化超过预先设置的索力阈值时，就可以发出警报信息，也可以根据历史索力数据采取拉索的养护措施。然而，现有索力状态的判别和分析方法，可以较好地确定拉索的过去状态和当前状态，却不能对拉索未来状态进行预测。如果我们能够预测索力的未来发展趋势，提前掌握斜拉索即将出现的异常，这样可以提早发现和避免索力超过阈值时对斜拉索造成的损伤，例如断丝、保护层裂缝和端部松动等。

发明内容

为预测斜拉索索力在运营中的变化趋势，本发明提出了一种基于卷积神经网络的斜拉索索力趋势预测方法，通过将当前和部分历史索力数据输入给卷积神经网络的输入，将未来几天的索力数据作为卷积神经网络的输出，来实现索力变化趋势的预测。本发明方法通过预测斜拉索索力的变化趋势，可以提前预判斜拉索索力何时超过阈值，避免索力过大造成定义一些不必要的损伤。

本发明的技术方案是：

1)索力趋势数据集：对历史斜拉索索力数据按天进行分段，将连续7天的监测数据作为一个样本数据(采样频率1次/分)，将样本数据后续3天的数据作为当前样本数据的标记，从历史索力数据中，通过随机选取连续10天的数据，生成大量的训练数据集、测试数据集和验证数据集，三个数据集的样本量比例为60％,20％,20％。

2)预测未来索力的卷积神经网络模型：卷积神经网络由输入层、隐藏层和输出层组成；输入层为10080个历史索力数据点；输出层为的4320个预测索力数据点；隐藏层共有8层结构，包括3层卷积层、3层池化层和2层全连接层；在第1层全连接层之前设置Dropout(舍弃率取0.5)操作；利用训练数据集训练神经网络，利用验证数据集调整卷积神经网络的超参数，确定最终的卷积神经网络，通过测试数据集的测试，来确定斜拉索力的预测效果。

3)卷积神经网络预测模型的自我修正：训练好的卷积神经网络预测模型在实际监测应用中，除了利用最新7天索力数据预测未来3天索力数据外，还可以根据已存储的索力数据再次进行训练，以不断修正模型，提高预测的准确性。

本发明方法的优点：

(1)本发明方法预测斜拉索索力的变化情况，可在索力出现超过阈值的异常之前，发出警报信息，避免拉索产生损伤；

(2)本发明方法能够为桥梁养护部门对斜拉索的维护，提供精准的引导；

(3)本发明方法能够嵌入到现有的拉索监测系统，实现在线索力变化趋势的预测。

附图说明

图1为一种基于卷积神经网络的斜拉索索力趋势预测方法的网络模型。

具体实施方式

本发明所提供的基于卷积神经网络的斜拉索索力趋势预测方法的具体实施流程如下：