基于GA-LSTM的桥梁缆索腐蚀钢丝力学性能预测模型

• Published in: 东南大学学报（自然科学版） Vol. 55; no. 1; pp. 140 - 145
• Main Authors: 缪长青, 吕悦凯, 万春风
• Format: Journal Article
• Language: Chinese
• Published: 东南大学土木工程学院,南京 211189 2025; 东南大学混凝土及预应力混凝土结构教育部重点实验室,南京 211189
• Subjects: genetic algorithm; 遗传算法; mechanical property prediction; neural networks; 桥梁缆索腐蚀钢丝; 神经网络; 超参数优化; bridge cable corroded steel wire; hyperparameter optimization; time series forecasting; 力学性能预测; 时序预测
• ISSN: 1001-0505
• DOI: 10.3969/j.issn.1001-0505.2025.01.016

U443.38; 为了精准捕捉桥梁缆索腐蚀钢丝的时变规律并预测其力学性能,开发了一种基于遗传算法(genetic algorithm,GA)优化的长短期记忆(long short-term memory,LSTM)神经网络模型.该模型利用GA依次优化LSTM模型的迭代次数、隐藏层层数、神经元数量、窗口大小4个超参数,以预测不同腐蚀特征状态下钢丝的力学性能.将其与传统LSTM和GA-反向传播模型的预测结果进行比较.结果表明,GA-LSTM模型具有更高的预测精度和鲁棒性.在屈服强度与极限强度预测效果方面,均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数分别提高约44%～61%、43%～57%、35%～92%.在屈服应变与极限应变预测效果方面,RMSE、MAE、决定系数分别提高约0～46%、7%～49%、12%～229%.所建立的模型可以作为一个有用的工具支持桥梁缆索腐蚀安全性评估工作.