基于CNN-LSTM混合神经网络的高速铁路地震响应预测

摘要

为了更好地挖掘高速铁路在地震时的响应信息，提高光纤光栅监测的效率及预测精度，该文针对地震响应数据的时序性及非线性的特点，提出卷积神经网络（CNN）和长短期记忆（LSTM）网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设准分布式光纤光栅采集地震时轨道板、钢轨、底座板、箱梁的响应数据，在每根光纤上布置7个光栅，利用两边光栅的响应数据预测中间点的光栅响应，将采集位置、历史数据及地震波形等信息作为特征图输入.利用CNN提取特征，再将提前提取出来的特征数据以时序方式作为LSTM网络的输入数据，最后LSTM网络进行地震应变响应预测.实验结果表明，LSTM网络在3层时效果最好，CNN-LSTM方法具有较高的预测精度，根均平方误差(R_RMSE)、平均绝对误差(R_MAE)、决定系数（R²）分别达到了0.375 3、0.296 8、0.937 1.

关键词

准分布式光纤光栅 / 振动台试验 / 地震响应 / 卷积神经网络-长短期记忆网络混合模型