基于优化分解与TCN-BiGRU集成模型融合的桥梁挠度响应预测方法
黄 军1*，王柯宇2，马 明3，黄 涛4，周珍伟5
(1. 宜春交通投资集团有限公司，江西 宜春 336000; 2. 华维设计集团股份有限公司，江西 南昌 330224;3. 中铁十八局集团第二工程有限公司，河北 唐山 064000; 4. 江西华汕建设工程有限公司，江西 赣州 341499;5. 华东交通大学 土木建筑学院，江西 南昌 330013)
摘 要： 挠度是桥梁健康监测的重要指标之一，准确预测挠度对桥梁安全服役至关重要。为解决多荷载作用下桥梁挠度监测数据因非平稳性强而影响预测精度的问题，提出一种结合变分模态分解方法和深度学习网络的桥梁挠度混合预测模型。利用天鹰优化算法与非洲秃鹫优化算法的混合优化算法IHAOAVOA对变分模态分解(VMD)进行参数寻优，将原始监测数据分解为多个平滑的子序列，从而减小挠度监测数据的非平稳性对预测模型准确性的影响;引入时间卷积网络(TCN)捕捉序列依赖性，并结合改进双向门控循环单元(BiGRU)建立TCN-BiGRU集成模型对分解后的挠度数据进行预测，继而实现对桥梁挠度实测数据变化趋势的高精度预测。实桥案例分析结果表明，与VMD-TCN-BiGRU模型和TCN-BiGRU模型的挠度预测效果相比，该研究提出的 IHAOAVOA-VMD-TCN-BiGRU模型在预测微小挠度波动和极端挠度上具有更好的预测能力，可显著提升桥梁挠度的预测精度。该研究成果可为多荷载作用下桥梁挠度预测提供参考。
关键词： 桥梁健康监测; 挠度预测; 深度学习; 集成模型; 优化算法
基金项目： 江西省教育厅基金(GJJ2200682)
引文格式： 黄军，王柯宇，马 明，等. 基于优化分解与TCN-BiGRU集成模型融合的桥梁挠度响应预测方法[J]. 市政技术，2026，44(6)：185-196. (HUANG J，WANG K Y，MA M，et al. Bridge deflection prediction based on the integration of optimized decomposition and TCN-BiGRU ensemble model[J]. Journal of municipal technology，2026，44(6)：185-196.)