[發明專利]一種基于決策樹和循環神經網絡的橋梁渦激振動幅值預測方法

在審

• 申請號: 202110765670.2
• 申請日: 2021-07-07
• 公開（公告）號: CN113642068A
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 賴馬樹金;黎善武;李惠
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 哈爾濱市哈科專利事務所有限責任公司 23101
• 代理人: 吳振剛

1.一種基于決策樹和循環神經網絡的橋梁渦激振動幅值預測方法，其特征在于，方法步驟如下：

步驟一，基于現場實測的橋梁渦激振動數據：包括風和主梁振動，運用決策樹方法，建立渦激振動模態預測方法，實現僅通過監測風速條件預測渦振模態，樣本特征向量和類別標簽如下式所示：

Ω_j＝f_classifier(U₁,U₂,U₃,...,U_n；θ₁,θ₂,θ₃,...,θ_n) (1)

式中，U和θ分別為不同測點平均風速和風向；Ω_j為某階渦振模態；

f_classifier表示自由場風速和風向對橋梁渦振模態的影響函數，

橋梁渦激振動模態決策樹模型中樣本不純度為：

式中，I(N)表示節點N的不純度，

P(Ω_i)表示渦振模態為Ω_i的樣本占該樣本集總數的比例；

步驟二，基于原型橋梁渦振位移幅值微分方程一般表達式和監測數據，運用循環神經網絡算法直接建立風速和風向與各階模態渦振響應幅值之間的映射關系，自然風作用下，橋梁渦振位移幅值微分方程一般表達式表示為：

建立表征橋梁渦振位移幅值微分方程的深度前饋神經網絡，將公式(3)右側A_k和U_k作為網絡輸入，將公式(3)左側的位移幅值時間導數作為網絡輸出，從而獲得微分方程中的模型函數f的估計，基于深度前饋神經網絡進一步建立原型橋梁渦振幅值預測循環神經網絡，將當前深度前饋神經網絡的輸出作為下一時刻網絡的輸入，讓神經網絡同時學習映射關系和“遞歸”動力行為。

2.根據權利要求1所述的一種基于決策樹和循環神經網絡的橋梁渦激振動幅值預測方法，其特征在于：對模型函數f首先用一個簡單收斂的單步深度前饋神經網絡進行訓練，訓練收斂后，將其遷移到一個更長時間的循環神經網絡進行進一步的訓練，提高渦振幅值預測循環神經網絡訓練的魯棒性。