基于长短期记忆(LSTM)网络学习预测列车诱发振动下铁路桥梁构件的应变
机器学习
2021-11-12 v1 人工智能
摘要
近年来，使用机器学习工具的桥梁健康监测已成为一种高效且经济的方法。在本研究中，利用了IIT Guwahati先前一项研究所得的铁路桥梁构件应变数据。这些应变数据采自一座既有桥梁，在列车通过桥梁时记录。使用LSTM训练网络并预测铁路桥梁不同构件的应变。研究采用实际现场数据，利用单一构件的应变数据预测不同构件的应变，观察到预测值与真实值相当吻合。尽管数据中存在大量噪声，仍显示出LSTM即便从含噪现场数据中训练和预测也具效用。这可轻易开启以更少传感器采集桥梁数据、并通过LSTM网络预测其他构件应变数据的可能性。
引用
@article{arxiv.2111.06259,
title = {Learning via Long Short-Term Memory (LSTM) network for predicting strains in Railway Bridge members under train induced vibration},
author = {Amartya Dutta and Kamaljyoti Nath},
journal= {arXiv preprint arXiv:2111.06259},
year = {2021}
}
备注
Accepted in ICDSMLA 2020