面向桥梁冲刷的基于人工智能的早期预警系统研究

在世界许多地区，冲刷是桥梁失效的首要原因。考虑到现有用于冲刷深度估算的经验方程缺乏可靠性，以及冲刷作为一种物理现象具有复杂性与不确定性，开发更可靠的冲刷风险评估方案至关重要。本研究提出了一种新颖的基于人工智能的冲刷早期预测方法，该方法基于安装在桥墩处的声纳与水文传感器获取的实时监测数据。长短期记忆网络（LSTMs）作为一种在其他领域成功用于时间序列预测的著名深度学习算法，利用阿拉斯加冲刷监测计划提供的超过11年的河流水位与河床高程读数进行开发与训练。人工智能模型在冲刷预测方面的能力在三个案例桥梁上得到展示。结果表明，LSTMs能够捕捉桥墩周围水流与河床变化的时序和季节性规律，经历冲刷与回淤循环，并能够提前多达七天对即将发生的冲刷深度给出合理预测。期望所提出的方案可由交通主管部门实施，用于开发新兴的基于人工智能的早期预警系统，从而实现更优的桥梁冲刷管理。