计算机工程

作者：刘啸宇, 廖志芳, 谈遂, 余志武

单位：1. 高速铁路建造技术国家工程研究中心, 湖南 长沙 4100752. 中南大学计算机学院, 湖南 长沙 4100753. 中国中铁股份有限公司, 北京 1000394. 中南大学土木工程学院, 湖南 长沙 410075

关键词：时序预测,深度学习,桥梁监测,自注意力机制,健康监测

基金：中国中铁股份有限公司科技研究开发计划(2020-专项-02); 中国中铁股份有限公司科技研究开发计划(2021-专项-08); 中国国家铁路集团有限公司科技研究开发计划(L2023G007); 中国国家铁路集团有限公司科技研究开发计划(L2022G007)

桥梁作为重要的基础设施, 由于长期受到自然环境和日常负荷的影响, 桥梁结构可能面临严重的安全隐患, 因此对桥梁结构健康状态进行实时监测和预测变得尤为迫切。在现有研究中, 对于复杂的桥梁结构健康状态预测, 仍然存在预测值易错、稳定性差和实时性不足等问题。为了解决上述问题, 提出基于堆叠门控循环单元(GRU)编解码器的SGRUA(Stacked GRU with Attention and Auto-Cycle)模型, 通过更好地捕捉时间序列数据中的长期依赖关系和重要特征来提高预测的准确性和稳定性, 并利用较少的参数量来提高预测速度使得预测实时化。首先对真实桥梁监测数据进行缺失值填补、异常值检测与处理, 以保证数据满足时序预测的完整性和可用性要求; 随后利用SGRUA模型对桥梁动应变指数进行时序预测, 通过对比实验和消融实验证明了模型的有效性。实验结果表明, 与TSMixer时序预测模型相比, SGRUA模型在桥梁B数据集上的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和对称平均绝对百分比误差(SMAPE)指标下降了11.07%、11.02%、11.00%和10.96%, 为桥梁结构健康监测与预测领域提供了一种新的有效方法, 同时为其他类似结构的健康监测问题提供了有益的探索与启示。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期