1.基于ssa-lstm算法的风车桥系统振动响应预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于ssa-lstm算法的风车桥系统振动响应预测方法,其特征在于,所述步骤2中通过风谱获得风速样本,利用三分力系数根据风速样本计算出风荷载的计算公式如下:
3.根据权利要求1所述的基于ssa-lstm算法的风车桥系统振动响应预测方法,其特征在于,所述步骤5中,ssa-lstm模型采用两层lstm网络单元,将两层网络进行串联;需要被寻优的超参数有6个,包括:第一层的隐藏单元数量l1、第二层的隐藏单元数量为l2、模型的正则化参数l2regularization、最大训练次数max-epoch、模型的单元尺寸batchsize和模型的初始学习率initiallearnrate;输入数据和输出数据被送入lstm层,并使用ssa搜索模型的超参数,利用ssa的反捕食机制选择最佳超级参数;当适配函数没有达到最优时,寻找超参数的过程继续进行,直到设定的迭代次数用完。
4.根据权利要求1所述的基于ssa-lstm算法的风车桥系统振动响应预测方法,其特征在于,所述步骤6中对模型进行寻找最佳超参数具体为利用ssa寻找lstm模型中的最佳超参数;
5.根据权利要求2所述的基于ssa-lstm算法的风车桥系统振动响应预测方法,其特征在于,所述步骤8中对风车桥系统响应的智能预测具体为: