[发明专利]一种基于LSTM的结构动力响应预测方法

说明书

本发明公开了一种基于LSTM的结构动力响应预测方法，在训练阶段，首先通过现场实测或有限元计算得到极端荷载作用下的结构响应，并基于长短时记忆法，同时训练LSTM网络，训练完成之后，以现场实际加载情况输入LSTM网络，得到结构极端荷载作用下的实时动力响应。本发明可以高效地预测结构极端荷载作用下的非线性动力响应，将有效解决长期服役结构的灾害预警问题。

技术领域

本发明属于土木结构工程与计算机科学的交叉领域，特别涉及一种基于LSTM的结构动力响应预测方法。

背景技术

特殊地区的工程结构不可避免地经历极端荷载(如地震、台风等)，在极端荷载作用下结构应力-应变关系非常复杂，在一定阶段呈现出非线性特征。传统的极端荷载作用下的结构动力响应预测方法，需要知道结构材料当前的物理状态，通过建立物理模型并迭代求解结构的控制方程，计算得到极端荷载作用下的结构动力响应，但当结构较复杂或结构长期服役后，其内部结构与材料性质都发生了改变，因而假设的物理模型往往不正确。

随着数据分析手段的进步以及以往大量工程数据的累积，机器学习在已广泛应用在解决工程问题。本发明应用机器学习，能根据原位实时监测数据预测极端荷载作用下的结构动力响应，并实时更新模型，进一步地可以实现对服役期的结构物的灾害预警。

发明内容

为了通过原位实时的监测数据准确预测服役期结构的塑性阶段动力响应的技术问题，本发明提供了一种基于LSTM的结构动力响应预测方法，具体步骤如下：

一种基于LSTM的结构动力响应预测方法，包括以下步骤：

(1)首先通过有限元计算或现场实测得到极端荷载作用下的的结构动力响应，并进行分类、整理、排序，建立样本库。其中得到结构极端荷载作用下的结构动力响应的方法具体为：

对于长期服役后的结构，通过布设应变片，测得结构在结构极端荷载作用下的动力响应；

对于全新的结构，知道其物理参数时，可以通过有限元弹塑性本构理论计算得到结构极端荷载作用下的结构响应。

(2)建立LSTM的结构动力响应预测模型，并进行训练。

(3)测试阶段，将现场实际加载条件，输入步骤(2)中训练好的LSTM网络，得到预测的结构动力响应。

进一步地，所述的基于LSTM的极端荷载作用下的的结构动力响应预测方法中，其预测的动力响应具体可以是：结构的位移、应力、应变、内力、结构反力等。其输入的加载条件具体可以是：位移加载、力加载、地震荷载、风荷载等。

进一步地，所述的基于LSTM的极端荷载作用下的的结构动力响应预测方法中，其特征在于，所述的步骤(2)中，内置在生成网络G中的长短时记忆法网络，长短时记忆法网络根据结构加载条件预测结构的动力响应。长短时记忆法网络结构如下：

1)输入层：将加载条件作为输入，经过一次权重和偏置的转化，再进入激活函数tanh，再将数据转化为一个三维数组，作为进入隐藏层的输入，x坐标为进入此批训练批次数batch_size，y坐标为一个batch的数据条数，也就是一次进入长短时记忆模型lstm训练的数据数量，z坐标为cell_size，即隐藏层单元数；

2)隐藏层：将处理好的数据，以及上一次lstm单元得到的隐藏层状态输入lstm单元，如果第一次训练，需将隐藏层初始化为0，经过输入门、遗忘门、输出门，得到隐藏层输出数据以及此时的隐藏层状态；

3)输出层：将隐藏层得到的输出进行再变形，并经过输出层权重和偏置的转化，预测得到下一个时刻动力响应的特征。

4)其他：训练期间的反响传播中，权重、偏置、隐藏层状态的调整都由loss损失函数来确定，通过构造损失函数并进行梯度下降处理，反向传播修正各个参数。