应用CEEMDAN-VMD-PSO-LSTM模型对桥梁挠度的预测研究.pdfVIP

桥|隧工|程

应用CEEMDAN-VMD-PSO-LSTM模型对桥梁

挠度的预测研究

覃东，施权君，秦志

（广西百宁高速公路有限公司，广西南宁530007）

摘要：为进一步提高桥梁挠度预测的准确性，文章提出一种结合CEEMDAN、VMD、PSO及LSTM的混合模型。试验结果表明，该混

合模型在桥梁挠度预测上表现出色，与其他单一模型相比，具有更高的稳定性与精度，可为桥梁健康监测提供新的思路与方法，并为

桥梁结构安全领域提供借鉴与指导。

关键词：CEEMDAN;VMD;PSO;LSTM;桥梁挠度预测

中图分类号：U441*.4文献标识码：ADOl：10.13282/j.cnki.wccst.2024.06.052

文章编号:1673-4874(2024)06-0164-02

0引言次模态分解，得到多个IMF分量，以初步降低数据复杂

度；(2)计算这些IMF分量的样本熵，并利用K-means聚

桥梁作为交通基础设施的重要组成部分，其安全性

类方法将其分为低频、中频及高频三个子序列；（3)对高

直接关乎着人们的生命财产安全。挠度作为评估桥梁

频子序列完成VMD二次模态分解，以进一步降低其复杂

结构健康状态的重要指标，其准确预测具有重要意义。

度，并将VMD分解得到的IMF分量与CEEMDAN分解得

然而，现有桥梁度预测方法在精度与准确性方面仍有

到的低、中频子序列合并，得到新的IMF分量集合[2]；(4)

待提升。这种背景下，基于CEEMDAN、VMD、PSO、LSTM

利用PSO算法对每个IMF分量完成超参数优化，从而得

等先进技术与算法的混合模型应运而生。研究混合模

到各自最优的LSTM模型配置；(5)将优化后的超参数代

型在桥梁挠度预测中的作用具有现实意义，有助于确保

入LSTM模型完成训练与预测，并将各个IMF分量的预

桥梁运营安全，可以为桥梁的维护与管理提供科学依据

测结果进行融合，进而得到最终的桥梁挠度预测结果。

与有效手段。2.1初次模态分解

1CEEMDAN-VMD-PSO-LSTM模型在桥梁挠度预测研究中，本文运用了CEEMDAN算

概述法对原始的挠度时间序列数据完成了初步模态分解，旨

在将原本错综复杂的时间序列拆解成若干内在模态函

CEEMDAN-VMD一PSO一LSTM模型作为一种创新数（IMF),从而更精准地把握不同时间尺度上的数据特

的桥梁挠度预测方法，主要集成了CEEMDAN、VMD、PSO征。经过CEEMDAN算法的处理，原始时间序列被有效

及LSTM四种技术。其中,CEEMDAN与VMD负责分解原地分解为七个IMF分量，按照频率从高到低排列，覆盖了

始数据，提取出有用的特征信息；PSO主要负责优化高频、中频及低频三个不同的区间。其中，高频分量

LSTM网络的参数，而LSTM网络则利用优化后的参数完（IMF1、IMF2)主要承载了时间序列中的快速波动信息，反

成训练与预测，从而输出桥梁挠度的预测结果们。该混映了数据的短期变化特征；中频分量（IMF3

合模型在桥梁挠度预测方面具备显著优势。通过充分以及低频分量（IMF6、IMF7)则分别揭示了时间序列的