[发明专利]一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法

权利要求书

1.一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法，其特征在于，该方法包括如下步骤：

步骤S1，对温度场及结构响应的监测数据进行预处理，所述结构响应包括应力应变、位移；

步骤S2，根据所输入温度场及温度效应数据的通道数量确定深度神经网络的输入、输出维度，并建立通道注意力机制的双向长短期记忆网络；

步骤S3，根据步骤S1的预处理结果建立数据集，所述数据集的组成元素为温度和对应的结构响应；

步骤S4，使用建立的数据集对深度神经网络模型进行训练，训练时，输入神经网络模型中的数据为桥梁结构表面或内部测量得到的温度，输出为指桥梁在温度作用下产生的应力应变、位移；

步骤S5，重新采集桥梁结构表面或内部测量得到的温度，并输入到步骤S4训练好的神经网络模型中得到对应的温度作用下产生的应力应变、位移。

2.根据权利要求1所述的一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法，其特征在于，其特征在于，步骤1中，预处理过程包括：(1)监测数据的滤波降噪、(2)温度场与结构响应监测数据的信号长度对齐、(3)从结构响应的监测数据中提取温度效应，也即结构响应、(4)对温度场数据与温度效应数据进行重采样。

3.根据权利要求2所述的一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法，其特征在于，其特征在于，采用截止频率为0.5Hz的低通滤波器进行滤波降噪、通过截断或补零方式对齐温度场及结构响应两类监测数据的信号长度、通过移动窗口的中值滤波方法从结构响应的监测数据中提取温度效应。

4.根据权利要求2或3所述的一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法，其特征在于，所述重采样的间隔为10min。

5.根据权利要求1所述的一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法，其特征在于，其特征在于，所述温度通过紧贴在桥梁结构表面或埋入其内部的测量元件获得。

6.根据权利要求1所述的一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法，其特征在于，步骤S2中，所述的通道注意力机制的双向长短期记忆网络，包含一层输入层、两层双向长短期记忆层，即BiLSTM层、一个通道注意力机制模块，即CA模块、以及一层全连接层作为输出层，各隐藏层之间的激活函数为ReLU函数；

训练时，输入网络的桥梁温度场数据分别送入第一层BiLSTM层和CA模块；第一层BiLSTM层的输出经ReLU激活函数后，分别送入第二层BiLSTM层和CA模块；CA模块根据网络的初始输入与第一层BiLSTM层的输出计算注意力权重；第二层BiLSTM层的输出经ReLU激活函数后，与网络的初始输入温度数据相加，根据CA模块输出的注意力权重对相加的数据进行加权，所得结果送入FC层得到输出网络模型的预测结果，即桥梁的结构响应。

7.根据权利要求6所述的一种基于通道注意力BiLSTM模型的桥梁温度效应预测方法，其特征在于，所述的通道注意力机制模块包含两层FC层，以及一个基于余弦相似度的权重计算模块，其中，通过余弦相似度衡量第一层BiLSTM层的输出与CA模块中第二层FC层的输出之间的距离，根据该距离计算注意力权重，通过权重分配强化网络模型对通道的偏重程度，CA模块的注意力权重按照式(1)-式(3)计算：

α_i＝σ(D_i)(1)

式中，α_i为第i个通道的注意力机制权重，D_i为第i个通道对应的平均余弦相似度，d_ij为第二层BiLSTM层的第i个隐藏层输出与CA模块中FC层的第j个隐藏层输出之间的余弦距离，σ()是Sigmoid函数，n_f是第一层BiLSTM层输出的通道数目；f_i为该层第i个通道的输出；h_i为该层第i个通道的输出。