基于深度学习的高速铁路简支梁桥震致损伤预测

摘要

基于卷积神经网络，提出了一种快速预测高速铁路无砟轨道-简支梁桥系统震致损伤的方法。为得到更多地震动信息，通过连续小波变换，将一维地震动数据输入变换成三维图像输入。通过对比损伤样本库中的结果，验证了提出方法的可靠性，分析了卷积神经网络的不同超参数对预测结果和训练时长的影响，得到了贝叶斯优化后的卷积神经网络超参数组合，对比了不同抗震分析方法得到高速铁路无砟轨道-简支梁桥系统震致损伤所需时间。利用优化后的卷积神经网络预测了高速铁路无砟轨道-简支梁桥系统中不同关键构件的震致损伤。研究表明：初始学习率是影响网络预测准确度的最主要因素，学习率下降系数、最小批次及训练轮数会对网络预测结果造成一定影响。而训练卷积神经网络所需时长主要由训练轮数及最小批次决定。提出的方法对高速铁路无砟轨道-简支梁桥系统中不同构件的震致损伤均具有较高预测准确度，网络结构具有较高的适用性，优化后的卷积神经网络训练耗时更短且对高速铁路无砟轨道-简支梁桥系统震致损伤预测更准确。研究成果可为震后高速铁路系统震致损伤的快速修复提供参考。

关键词

高速铁路无砟轨道-简支梁桥系统 / 震致损伤 / 快速预测 / 卷积神经网络 / 贝叶斯优化