Adam优化神经网络的连续刚构桥施工线形预测

摘要

【目的】针对现有桥梁施工线形预测方法的不足，提出一种基于自适应矩估计（adaptive moment estimation,Adam）优化反向传播（back propagation,BP）神经网络的连续刚构桥线形预测方法。【方法】以小乌江大桥为研究对象，通过正交试验确定了桥梁施工线形的敏感参数为混凝土容重、混凝土弹性模量、张拉控制应力和温度。以均方根误差、平均绝对误差、决定系数和运算耗时为评价指标，在初始学习率相同的条件下，对梯度下降、梯度下降最小化、均方根传播和Adam四种优化算法的性能进行对比。【结果】基于Adam优化算法的BP神经网络收敛时的运算耗时为0.518 s，相较于其他三种优化算法，Adam优化算法下BP神经网络具有更快的收敛速度和更高的拟合精度。【结论】所提方法可较准确地预测连续刚构桥施工过程的线形。

关键词

连续刚构桥 / 施工监控 / 线形预测 / 多层BP神经网络 / Adam算法