基于L2-DFNN的桥梁多层次风险识别研究

摘要

为解决传统风险识别方法在复杂的桥梁风险情景下识别能力不足的问题，以某三跨连续梁桥为研究对象，构建该桥多层次风险情景库。基于改进的深度前馈神经网络(DFNN),对桥梁的不同风险类型、风险位置及风险程度进行特征学习，并用训练完毕的网络对典型风险情景进行预测分析，实现桥梁多层次风险识别研究。结果表明，加入L2正则化可以显著提升DFNN的泛化能力，使分类、定位及定量识别的训练准确度分别达到91.6%、74.9%和93.7%;网络在有限元模拟典型风险识别任务中表现出较高的预测准确率，分别为80%、100%和97.41%。总体而言，提出的L2-DFNN可以较好地实现桥梁多层次风险识别工作，可为桥梁健康监测(BHM)提供重要支撑。

关键词

多层次风险识别 / 深度前馈神经网络 / L2正则化 / 有限元模拟 / 桥梁健康监测