基于深度学习的桥梁技术状况预测研究

桥梁技术状况预测是制定多年度桥梁养护计划的核心环节。为研究LSTM、DeepAR、Informer和Temporal Fusion Transformer等深度学习算法在桥梁技术状况预测领域的可行性和应用潜力,本文依托我国东部某省份的公路桥梁数据进行测试验证研究。验证结果表明:深度学习模型可应用于桥梁技术状况预测,所用数据在时间序列上的稀疏性限制了模型捕捉时间依赖关系和进行准确预测的能力,在未来实际生产过程中,应统一数据标准,提高时序数据的质量,确保时间步长的一致性,以保证预测结果的准确性与可靠性。