第３７卷第１期２０２３年１月北京测绘ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＶｏｌ．３７Ｎｏ．１Ｊａｎｕａｒｙ２０２３引文格式：汤昭辉，徐金鸿．ＰＳＯ优化ＬＳＴＭ时间序列的桥梁变形预测［Ｊ］．北京测绘，２０２３，３７（１）：１１５⁃１１９．Ｒｅｆｅｒｅｎｃｅｆｏｒｍａｔ：ＴＡＮＧＺｈａｏｈｕｉ，ＸＵＪｉｎｈｏｎｇ．ＰＳＯｏｐｔｉｍｉｚｉｎｇｂｒｉｄｇｅｄｅｆｏｒｍａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｆｏｒＬＳＴＭｔｉｍｅｓｅｒｉｅｓ［Ｊ］．ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，２０２３，３７（１）：１１５⁃１１９．ＤＯＩ：１０．１９５８０／ｊ．ｃｎｋｉ．１００７⁃３０００．２０２３．０１．０２１［收稿日期］２０２２⁃０６⁃０６［作者简介］汤昭辉（１９９４—），男，重庆人，硕士在读，从事地质灾害监测预警工作。Ｅ⁃ｍａｉｌ：６２２２００９０００３２＠ｍａｉｌｓ．ｃｑｊｔｕ．ｅｄｕ．ｃｎＰＳＯ优化ＬＳＴＭ时间序列的桥梁变形预测汤昭辉徐金鸿（重庆交通大学智慧城市学院，重庆４０００７４）［摘要］针对长短时记忆网络（ＬＳＴＭ）模型的桥梁变形预测存在精度低，预测效果能力弱等问题，利用粒子群算法（ＰＳＯ）对ＬＳＴＭ模型的参数进行优化，提出ＰＳＯ优化ＬＳＴＭ神经网络的桥梁位移预测模型。工程实例数据分析结果表明：与ＬＳＴＭ模型和反向传播（ＢＰ）神经网络模型进行对比分析，在拟合能力方面等具有改进效果，所建模型的均方根误差为３.６８ｍｍ、平均绝对误差为１.４７ｍｍ，进而验证了本文模型在桥梁位移预测的可行性和有效性。［关键词］桥梁位移预测；粒子群算法；粒子群算法－长短时记忆网络模型［中图分类号］Ｐ２５８［文献标识码］Ａ［文章编号］１００７⁃３０００（２０２３）０１⁃０１１５⁃０５０引言在桥梁的建造和运营期间，桥梁自身的原因和外因以及突发自然灾害等影响下都容易引发安全事故，造成生命财产损失等［１］。因此，做好桥梁在运营期间或者建设期间的变形监测对掌握桥梁的位移情况显得特别重要。为了研究桥梁的位移变形机理，对其进行有效的预测，众多学者为此做出了卓越的贡献。变形分析的方法主要有回归分析法、时间序列分析法［２］、Ｋｒｉｇｉｎｇ插值法，灰色系统分析法［３］，人工智能法［４］。卡尔曼滤波［５⁃６］、贝叶斯分析法［７］、独立分量回归［８］（ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔｒ...
