王 微

（北京市政路橋管理養(yǎng)護(hù)集團(tuán)有限公司，北京 100097）

引言

當(dāng)前國(guó)內(nèi)隨著經(jīng)濟(jì)的發(fā)展，國(guó)家對(duì)國(guó)內(nèi)基礎(chǔ)建設(shè)設(shè)施的投資十分巨大，公路、鐵路等大型工程的建設(shè)均需要建設(shè)橋梁，橋梁工程的施工質(zhì)量在一定程度上直接影響了整個(gè)工程的使用壽命和耐久性[1-2]。已有研究發(fā)現(xiàn)，溫度對(duì)混凝土橋梁的影響十分明顯，20 世紀(jì)70 年代歐洲國(guó)家因未重視溫度影響，發(fā)生了多起橋梁施工垮塌事件，造成了無(wú)法挽回的損失[3-4]。隨著科技的進(jìn)步，越來(lái)越多的橋梁工程在建設(shè)中注重橋梁溫度的問(wèn)題，并分析得出了橋梁溫度的分布規(guī)律。

由于橋梁溫度的變化將會(huì)在橋梁內(nèi)部產(chǎn)生溫度應(yīng)力，直接影響橋梁質(zhì)量，因此要掌握橋梁溫度的變化規(guī)律，構(gòu)建橋梁溫度的估算預(yù)測(cè)模型可在一定程度上預(yù)判橋梁?jiǎn)栴}發(fā)生部位，便于相關(guān)人員提前采取相應(yīng)措施。田谷等[5]基于BP 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了大跨橋梁溫度的預(yù)測(cè)模型，并取得了較高的精度。但傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)模型具有迭代速度慢、易產(chǎn)生局部極值的缺點(diǎn)，導(dǎo)致模型無(wú)法適用于不同領(lǐng)域。以實(shí)測(cè)橋梁溫度數(shù)據(jù)為基礎(chǔ)，采用改進(jìn)麻雀算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)橋梁溫度進(jìn)行預(yù)算估算，以期得出橋梁工程溫度預(yù)測(cè)的推薦模型指導(dǎo)生產(chǎn)。

1 研究方法

為構(gòu)建橋梁溫度的估算模型，需對(duì)橋梁溫度進(jìn)行監(jiān)測(cè)，以實(shí)際拱橋工程為例，在拱橋的拱圈和管腳處設(shè)置溫度傳感器，傳感器每10 d 記錄一次數(shù)據(jù)，共收集了橋梁2006 年-2016 年的橋梁溫度數(shù)據(jù)。

1.1 模型基本原理

1.1.1 傳統(tǒng)麻雀搜索算法

麻雀搜索算法（SSA）是基于麻雀捕食行為原理提出的[6]。在算法中，將麻雀種群分為發(fā)現(xiàn)者和加入者，將適應(yīng)度精度較高的種群個(gè)體定義為發(fā)現(xiàn)者，將其余種群個(gè)體定義為加入者。取種群的前20%作為發(fā)現(xiàn)者，引導(dǎo)其他種群的搜索方向。

1.1.2 改進(jìn)麻雀搜索算法

在傳統(tǒng)的SSA 算法中，由于種群的單一性常導(dǎo)致算法出現(xiàn)局部極值，影響最終的結(jié)果精度，為增加種群的多樣性，傳統(tǒng)算法中在加入者的位置更新中引入了正交變異因子，實(shí)現(xiàn)了對(duì)加入者最優(yōu)位置的擾動(dòng)，增加了算法種群的多樣性和尋優(yōu)能力。

1.1.3 BP 神經(jīng)網(wǎng)絡(luò)模型

BP 神經(jīng)網(wǎng)絡(luò)模型是一種具有誤差反向傳播功能的多層前饋神經(jīng)網(wǎng)絡(luò)模型，該模型由輸入層、隱含層和輸出層3 大部分組成，模型隱含層節(jié)點(diǎn)個(gè)數(shù)在一定程度上影響了最終模型精度?；诟倪M(jìn)搜索算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)模型（ISSABP）對(duì)橋梁溫度進(jìn)行估算預(yù)測(cè)，以期得出高精度預(yù)測(cè)數(shù)據(jù)指導(dǎo)生產(chǎn)。

1.2 模型精度比較

為驗(yàn)證ISSABP 模型的精度，將模型計(jì)算結(jié)果與SSABP 模型、思維進(jìn)化算法優(yōu)化的BP 模型（MEABP）、粒子群算法優(yōu)化的BP 模型（PSOBP）、遺傳算法優(yōu)化的BP 模型（GABP）進(jìn)行比較，同時(shí)與極限學(xué)習(xí)機(jī)（ELM）、隨機(jī)森林（RF）、廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）和小波神經(jīng)網(wǎng)絡(luò)（WNN）模型進(jìn)行對(duì)比，找出最優(yōu)模型。

將氣溫、計(jì)算厚度、混凝土發(fā)熱量作為模型輸入數(shù)據(jù)，采用2006 年-2010 年的數(shù)據(jù)訓(xùn)練模型，2011 年-2016 年的數(shù)據(jù)預(yù)測(cè)數(shù)據(jù)，模型精度可用下式指標(biāo)計(jì)算

式中，RMSE 表示均方根誤差，℃；R2表示均方根誤差；MAE 表示平均絕對(duì)誤差，℃；Ens表示模型效率系數(shù)；Xi和Yi分別為模型模擬值及實(shí)測(cè)值；X 和Y 分別為Xi和Yi的平均值。在模型評(píng)價(jià)中，RMSE 和MAE的取值越低，R2和Ens的取值越高，模型精度越高。

2 結(jié)果與分析

2.1 橋梁溫度變化趨勢(shì)分析

圖1 和圖2 分別為在冬季和夏季橋梁拱腳和拱圈的溫度場(chǎng)分布。在圖中可以看出，在冬季，溫度普遍較低，橋梁內(nèi)部溫度普遍高于外部，在夏季，橋梁拱圈溫度呈現(xiàn)出了明顯的帶狀分布；在拱腳溫度場(chǎng)中，拱腳內(nèi)部溫度在冬季普遍較高，取值達(dá)到了21℃，在夏季表現(xiàn)為與兩岸連接位置的溫度較高，這可能是由于兩岸土壤溫度較高的原因。

2.2 不同模型模擬精度對(duì)比

為驗(yàn)證不同模型的計(jì)算精度，分別計(jì)算了不同模型在拱腳溫度和拱圈溫度模擬中的4 項(xiàng)精度指標(biāo)，不同精度指標(biāo)的箱線圖結(jié)果可見(jiàn)圖3 和圖4。5 種優(yōu)化模型的精度普遍優(yōu)于傳統(tǒng)模型，其中ISSABP 模型精度最高，其誤差指標(biāo)RMSE 和MAE 的取值最低，取值范圍分別是2.18～2.57 ℃和1.50～2.00 ℃，一致性指標(biāo)R2和Ens的取值最高，取值范圍分別是0.94～0.97和0.88～0.91。傳統(tǒng)模型中，ELM模型精度最高，WNN模型精度最低，該模型誤差指標(biāo)最高達(dá)到了7.92 ℃，一致性指標(biāo)最高僅為0.69。圖4 中可以看出，在拱腳溫度模擬中，同樣表現(xiàn)為ISSABP 模型精度最高，該模型誤差指標(biāo)RMSE 和MAE 的中位數(shù)分別為2.20 和0.92℃，一致性指標(biāo)R2和Ens的中位數(shù)分別為0.93 和0.91；其余優(yōu)化模型中，SSABP 模型和MEABP 模型精度較高，GABP 模型精度較低。

2.3 模型可移植性分析

為進(jìn)一步證明ISSABP 模型的科學(xué)性，對(duì)模型可移植性進(jìn)行了分析。采用拱腳處的基礎(chǔ)數(shù)據(jù)訓(xùn)練模型用來(lái)預(yù)測(cè)拱圈溫度，采用拱圈處的基礎(chǔ)數(shù)據(jù)用于預(yù)測(cè)拱腳溫度，結(jié)果可見(jiàn)表1。在表中可以看出，ISSABP 模型不管采用何種基礎(chǔ)數(shù)據(jù)訓(xùn)練模型，均可保證模型精度最高，其精度明顯高于GABP 模型和ELM 模型，這表明在橋梁溫度估算中，只要具有某個(gè)位置的基礎(chǔ)數(shù)據(jù)，采用ISSABP 模型可實(shí)現(xiàn)全橋梁溫度的準(zhǔn)確估算。

表1 不同模型可移植性分析

3 結(jié)論

本文基于正交優(yōu)化算法對(duì)傳統(tǒng)麻雀算法進(jìn)行了改進(jìn)，用改進(jìn)算法對(duì)BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了優(yōu)化，構(gòu)建了橋梁溫度的高精度估算模型，得出了以下結(jié)論：

（1） 橋梁溫度在時(shí)間上存在明顯變化趨勢(shì)，可采用機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)橋梁溫度的準(zhǔn)確估算。

（2） ISSABP 模型在橋梁拱腳和拱圈溫度預(yù)測(cè)中均表現(xiàn)出了較高的精度，同時(shí)具有較強(qiáng)的可移植性，可作為橋梁溫度估算的推薦模型使用。