结合可逆样本标准化的风速区间预测模型

摘要

为支撑大跨度桥梁运营管理，开展了泛化能力增强的桥址风速概率性预测研究。建立了基于门限循环单元神经网络与分位数回归的风速区间预测模型，将特定分位数作为区间上下限进行预测，形成风速预测区间。为提升模型的泛化能力，风速区间预测模型引入了可逆样本标准化。可逆样本标准化针对单个样本进行输入输出的标准化与逆标准化，统一了模型各样本输入的均值与标准差，减弱风速分布偏移对模型预测精度的响应。以某大跨度斜拉桥现场监测得到的非台风数据与台风数据为例，对比说明了所建立风速区间预测模型的有效性与泛化能力。研究表明：非台风数据与台风数据之间存在明显的差异，证明了风速存在分布偏移现象。结合分位数回归的门限循环单元神经网络可以有效地进行区间预测，由非台风数据训练得到的模型可以在非台风数据上进行满足区间覆盖率要求的区间预测。引入可逆样本标准化可以有效地增强模型的泛化能力，由非台风数据训练得到的模型可以在远超非台风数据最大风速的台风数据上进行区间预测，仍能保持0.9的区间覆盖率水平。

关键词

桥梁工程 / 风速预测 / 区间预测 / 机器学习 / 标准化方法