基于深度学习的软基管廊结构性能预测

摘要：

地下综合管廊在运营期普遍受到车辆荷载的微扰动影响,追踪该环境下的结构微量异常变形,判断可能发生的异常(类似差异沉降等),对准确预测管廊的安全性意义重大.针对江苏省宿迁市高铁商务区综合管廊工程,开展了现场管廊结构监测研究,实测得到了车辆荷载、时间等扰动因素及其影响下的结构响应(结构沉降位移和结构应力)的大数据集.针对监测结果,基于鲸鱼算法和深度置信网络集成深度学习模型对大数据集进行深度挖掘和学习,预测结构运营的安全性.研究表明,采用深度学习模型可以对车辆荷载等微扰动影响下综合管廊结构的安全性能进行较准确的预测,模型的适用性较好.

关键词：地下综合管廊、现场监测、集成深度学习模型、车辆荷载、安全性预测

所属期刊栏目：46

分类号：TU93(地下建筑)

资助基金：国家自然科学基金;宿迁市交通运输科技与成果转化项目

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：63-70