CNN-LSTM在桥梁预警机制的研究与应用

来源：计算机应用与软件杂志2025年第3期北京时间：

作者：潘浩, 李富年, 余兴盛, 秦寰宇, 陈志丹

摘要：为了更好地满足桥梁健康监测系统的需求，提高桥梁健康监测系统的性能，将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制，提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景，将卷积神经网络CNN与长短时记忆网络LSTM结合起来构建CNN-LSTM模型，对桥梁的挠度数据进行预测。通过对实验结果分析发现CNN-LSTM模型能够有效预测出桥梁的挠度数据，在置信区间为±0.1 mm的情况下，准确率达到92.8%，在预测未来十分钟的挠度数据中，均方根误差RMSE为0.109 7。实践表明时序数据库InfluxDB与CNN-LSTM模型的融合增强桥梁健康监测系统对潜在威胁的感知能力，有效提高桥梁健康监测系统的预警报警机制。

关键词：桥梁工程, 长短时记忆网络, 卷积神经网络, CNN-LSTM模型, InfluxDB