基于LSTM神经网络的渡槽温度场预测
王铁虎1
刘平安1
欧玉鹏1
越斐1
朱泽众2
张迅2
1.中国电建集团成都勘测设计研究院有限公司,成都 6111302.西南交通大学 土木工程学院,成都 610031
摘要：[目的]准确预测渡槽的离散点温度及内外表面温差,基于长短期记忆神经网络(LSTM)提出一种渡槽温度场预测模型.[方法]以某大跨度简支U形渡槽为依托,基于实测数据分析了渡槽内部温度以及渡槽各部位内外表面温差的变化规律;根据结构内部温度传感器返回的数据建立温度时序数据库,训练神经网络模型实现未来各测点温度及渡槽内外表面温差预测.[结果]渡槽表面及内部温度呈日周期及年周期变化,跨中与支座截面温度在8月达到最高值,分别为45 ℃与40 ℃,1月降至最低值,接近0℃与5 ℃;渡槽内部温度达到峰值的时间随着深度的增加而推迟,表面达到最低温度时渡槽出现负温度梯度,表面达到最高温度时渡槽出现正温度梯度;LSTM神经网络预测结果相对CNN及MLP神经网络的平均绝对误差(MAE)更小、决定系数(R2)更接近于1;基于LSTM神经网络的预测温度曲线与实测曲线基本一致,误差不超过1.681 ℃;渡槽各部位内外温差的预测误差值不超过2.22 ℃/m,预测结果准确性较高.[结论]LSTM神经网络预测方法性能优异,可为渡槽未来安全性预测提供参考.
关键词：渡槽结构温度变化温度场预测长短期(LSTM)神经网络
分类号：TP274.53(自动化技术及设备)
资助基金：四川省科技计划项目(2025ZNSFSC0411)
论文发表日期：2026-02-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 73-81 )
英文信息