[发明专利]一种用于桥梁技术状况的测试方法

说明书

本发明提供一种用于桥梁技术状况的预测方法，主要包括以下步骤：(1)通过现场调研、数据采集、数据分析，得到桥梁技术状况分布规律；(2)根据分布规律，找到相应桥梁，确定该桥梁技术状况影响因素并计算生成预测模型特征向量；(3)根据影响因素和影响度参数，实施基于长短期记忆性循环深度网络的桥梁技术状况预测模型的构建、训练及可靠性分析；(4)将桥梁数据输入步骤(3)中建立的模型进行计算，得到桥梁技术状况的预测结果。通过利用长短期记忆性循环深度网络，构建能够自动修正影响因素权重的桥梁技术状况预测模型，解决目前桥梁技术状况预测方法中影响因素及其影响度参数无法确定而导致的预测结果不够精准的问题。

技术领域

本发明属于桥梁结构安全性能测试领域，涉及一种桥梁技术状况测试方法和测试系统，特别涉及一种基于LSTM RNN的桥梁技术状况测试方法和测试系统。

背景技术

我国公路桥梁建设正处在大规模建设阶段，即将进入桥梁新建与维护改造并重阶段。目前我国桥梁的养护工作属于被动养护，即只维修已发现的病害或技术状况发生退化的桥梁。在当前养护资金不足的情况下，被动养护、养护资源利用率较低、养护措施简单、养护水平较低。按照《公路桥梁技术状况评定标准》(JTG/T H21)和《公路桥涵养护规范》(JTGH11)的相关规定，桥梁的技术状况等级分为5类，分别是：一类桥、二类桥、三类桥、四类桥及五类桥。一类桥进行正常保养，二类桥需进行小修，三类桥需进行中修，四类桥需进行大修或改造，五类桥需要进行改建或重建，当桥梁技术状况从三类变化到四类甚至五类时，处治费用将成几何倍数增长。由于我国基础设施建设占去了大部分财政预算，受国家财力所限，投入到桥梁维修养护的资金远不能满足需要，因此合理分配有限的资金，在桥梁技术状况发展到四五类前，如何科学合理准确预测桥梁技术状况的发展趋势，从而在桥梁技术状况快速劣化前进行有效地预防性养护，科学指导桥梁养护工作，实现减缓桥梁技术状况劣化速率、延长桥梁使用寿命，使有限的桥梁养护资金实现效益最大化显得尤为重要。

现有技术中，桥梁技术状况预测方法，目前常用到的主要有三种类型：

1)基于试验或事实的推演方法：包含从桥梁的混凝土的材料耐久性考虑的材料劣化曲线方法、考虑桥梁运营环境下的桥梁整体结构的技术状况劣化发展的单桥劣化模型、桥梁结构受到长期荷载组合作用下的疲劳和破坏曲线等。但是这种通过事实推演得到的公式来计算桥梁的技术状况变化发展趋势，考虑的因素较为片面，往往预测结果与实际情况偏离较大。

2)基于马尔可夫链的统计预测模型方法：包含基于历史桥梁技术状况等级统计的项目级桥梁技术状况等级马尔可夫预测方法、基于桥梁历史技术状况分布情况的路网级桥梁技术状况分布马尔可夫预测方法。该方法过分依赖桥梁技术状况历史数据的质量，一旦历史数据，预测结果会产生较大偏离。

3)基于人工神经网络的有监督预测模型方法：一种通过人工定义影响因子并严格定义因子权重的人工智能桥梁技术状况等级预测方法。专利申请CN105550506A公开了一种基于BP神经网络的桥梁风振响应直接预测方法。专利申请CN106529145A公开了一种基于ARIMA-BP神经网络的桥梁监测数据预测方法，考虑将BP神经网络运用于ARIMA模型的残差修正中，利用BP神经网络强大的非线性信息解析能力对桥梁结构监测数据中的非线性信息予以解析。但是基于人工神经网络的有监督预测模型方法其影响因素和权重精确定义较为困难，而权重精度直接影响算法的预测结果的偏离度。

发明内容

基于上述现有技术的缺陷，本发明提供一种基于LSTM RNN(Long-short TermMemory Recurrent Neural Network，长短期记忆性循环深度网络)桥梁技术状况预测方法和预测系统，利用LSTM RNN的深度学习方法，结合公交运输部公路科学研究所(院)新桥公司开发的桥梁管理系统提供的海量桥梁数据支撑，构建能够自动修正影响因素权重的桥梁技术状况预测模型，使得桥梁技术状况预测方法中能够更加准确地确定影响因素，进而精准预测桥梁的技术状况。