基于神经网络的既有站房结构位形反演法

针对传统位形检测受限于样本容量而无法建立完备的既有结构模型问题,提出一种可用于既有大跨度站房结构鉴定的基于神经网络的结构位形反演算法。依据大跨空间结构线弹性假定,以及位形偏差与结构体系及刚度差异的相关性,构建利用等效随机荷载叠加获得的结构位形基向量空间;以位形基向量和抽样节点实测位形作为输入,利用BP神经网络训练出结构实际整体位形,并以深圳坪山高铁站大跨空间结构作为实例进行验证及性能分析。结果表明:随机荷载数和训练样本数是影响反演算法误差和收敛速度的主要因素,对于与深圳坪山站站房屋面同类型的大跨空间结构,当基向量数大于200个时,训练样本数选取300组,能够达到误差小、收敛快的反演效果;基于神经网络的结构位形反演算法可依据少量节点位形测量结果较为理想地反演结构真实的整体位形。