神经网络预测模型在高速铁路地震响应中的性能对比

作者：张学兵^*; 吴晗; 谢啸楠; 王礼

来源：湘潭大学学报(自然科学版), 2023, 45(04): 107-117.

DOI：10.13715/j.issn.2096-644x.20230216.0001

• 地震响应预测
• 振动台试验
• 准分布式光纤光栅
• 长短期记忆网络混合模型

为明确何种深度学习模型适用于高速铁路地震响应预测分析，该文利用振动台技术建立高速铁路无砟轨道Ⅱ型板缩尺模型，使用准分布式光纤光栅采集地震时缩尺桥梁响应，建立3种评估指标.从预测精度和稳定性等方面深入研究，对比多层前馈网络(multilayer feedforward network, BP)、长短期记忆神经网络(long short-term memory neural network, LSTM)和循环神经网络(recurrent neural network, RNN)在地震响应中的效果.实验结果说明LSTM网络比BP、RNN网络模型具有更高的预测精度，且在不同应变范围中表现稳定.LMST模型预测结果的平均误差最小，均方根误差、平均绝对误差、决定系数分别达到了0.225 82、0.147 1、0.915 42,可以获得最佳预测精度.

• 单位
  土木工程学院; 湘潭大学