基于SSA-VMD-GRU组合模型的桥梁监测缺失数据重构方法研究

来源：振动与冲击杂志2026年第3期北京时间：

作者：周宇yuzhou9@outlook.com,,，周明扬,，狄生奎 ，郭家骥,，黄继源

单位：1.安徽建筑大学土木工程学院，合肥230601；2.兰州交通大学 土木工程学院，兰州730070；3.安徽建筑大学建筑健康监测与灾害预防技术国家地方联合工程实验室，合肥230088；4.安徽容知日新科技股份有限公司，合肥230000

摘要：针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失，提出了一种基于麻雀搜索算法（Sparrow Search Algorithm，SSA）共同优化变分模态分解（Variational Mode Decomposition，VMD）和门控循环单元（Gated Recurrent Units，GRU）的桥梁异常监测数据修复方法。研究利用SSA对VMD中分解层数K和惩罚因子α进行寻优以获取准确结构响应，选择SSA对GRU关键超参数进行优化，通过训练使模型达到最佳状态后，将分解后的信号作为输入进行预测修复，以重构桥梁缺失监测数据，通过对比单一GRU模型、VMD-GRU模型预测结果，以RMSE、MAE、MAPE和R2作为误差指标来评价所提方法的科学性与实用性。研究表明，所提方法可在非经验指导下获得最佳参数组合，挠度测试集均方根误差为6.0702%，应变测试集均方根误差仅为0.1500%，该方法适用于桥梁异常或缺失监测数据的重构，能够提高数据质量和数据使用的正确率，为桥梁健康监测与决策提供方法基础。<br>

关键词：桥梁健康监测；异常监测数据；麻雀搜索算法；变分模态分解；门控循环单元；数据重构