来源：期刊VIP网 时间：
作者：郭永刚;张美霞;王凯;刘立明;陈卫明;
单位：安徽建工建设投资集团有限公司;中国地质大学(武汉)工程学院;
摘要：针对桥梁运行阶段的健康状态监测，构建了CEEMDAN-VMD-PSO-LSTM模型对桥梁挠度进行预测。该模型主要分为二次模态分解平稳化、粒子群优化(PSO)算法和长短期记忆(LSTM)网络预测三大模块，共有5个步骤：(1)利用自适应噪声完备集合经验模态分解(CEEMDAN)算法对桥梁原始挠度序列进行初次模态分解，分解为若干本征模态分解函数(IMF);(2)使用样本熵(SampEn/SE)计算各IMF分量的复杂度，并通过K-means聚类为高频、中频和低频3个IMF分量；(3)通过变分模态分解(VMD)算法对高频IMF分量进行二次模态分解；(4)分别对各个IMF分量通过PSO算法得出LSTM最优超参数组合；(5)将各最优超参数分别代入LSTM模型进行训练，并将各预测结果融合为最终的预测结果。结果表明：该预测方法具有最高的预测精度，为智慧桥梁的安全监测监控提供了新的技术方法。
关键词：桥梁挠度预测;自适应噪声完备集合经验模态分解;变分模态分解;样本熵;K-means聚类;粒子群优化;长短期记忆网络
基金资助：国家重点研发计划项目(2022YFC3005900); 陕西省煤矿水害防治技术重点实验室开放基金项目(2021SKMS07); 中央高校基本科研业务费专项资金项目(CUG2642022006); 2022年度湖北省高等学校省级教学研究项目(2022143); 2022年度安徽省住房城乡建设科学技术计划项目(2022-YF104)
