高铁桥墩沉降的通用渐进分解长期预测网络模型

P258; 高铁桥墩不均匀沉降是导致轨道不平顺的潜在原因之一,准确预测桥墩沉降对于确保铁路建设和运营的可靠性和安全性具有重要意义.目前,常规时间序列领域的多数预测模型仅在预处理良好且没有缺失的数据集上进行测试,而在高铁桥墩沉降的真实场景中,沉降数据相较于其他领域存在观测频次少且不等时距,以及沉降规律复杂多变的问题,造成长期预测困难.为此,本文提出一种高铁桥墩沉降的通用渐进分解长期预测网络(GPDLPnet),摒弃传统的预处理思想,将预处理过程嵌入网络结构,在网络训练过程中实现渐进预处理.首先,GPDLPnet在每轮迭代中利用改进对角掩码自注意力模块分析沉降数据中的缺失模式.然后,通过改进完全自...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 53; no. 6; pp. 1113 - 1127
Main Authors 龚循强, 汪宏宇, 鲁铁定, 游为
Format Journal Article
LanguageChinese
Published 东华理工大学测绘与空间信息工程学院,江西南昌 330013%东华理工大学测绘与空间信息工程学院,江西南昌 330013 22.07.2024
东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室,江西南昌 330013
西南交通大学高速铁路安全运营空间信息技术国家地方联合工程实验室,四川成都 611756%西南交通大学高速铁路安全运营空间信息技术国家地方联合工程实验室,四川成都 611756
Subjects
deep learning
high-speed railway bridge pier
高铁桥墩
卷积神经网络
沉降预测
深度学习
convolutional neural net-work
residual network
settlement prediction
残差网络
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2024.20230387

Cover

More Information
Summary:P258; 高铁桥墩不均匀沉降是导致轨道不平顺的潜在原因之一,准确预测桥墩沉降对于确保铁路建设和运营的可靠性和安全性具有重要意义.目前,常规时间序列领域的多数预测模型仅在预处理良好且没有缺失的数据集上进行测试,而在高铁桥墩沉降的真实场景中,沉降数据相较于其他领域存在观测频次少且不等时距,以及沉降规律复杂多变的问题,造成长期预测困难.为此,本文提出一种高铁桥墩沉降的通用渐进分解长期预测网络(GPDLPnet),摒弃传统的预处理思想,将预处理过程嵌入网络结构,在网络训练过程中实现渐进预处理.首先,GPDLPnet在每轮迭代中利用改进对角掩码自注意力模块分析沉降数据中的缺失模式.然后,通过改进完全自适应噪声集合经验模态分解模块将沉降数据分解并重构为高频、低频和趋势子分量,将子分量作为BiLSTM-RSA-Resnet预测模块的特征输入.最后,输出递归预测结果,从而实现高铁桥墩沉降的长期预测.结合实际工程数据,将数据划分为高频观测和低频观测两类典型的观测模式进行试验,在3～4个月的预测中GPDLPnet均表现出良好的预测性能,并在精度指标上优于其他7种模型.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2024.20230387