深度学习在钢结构货架变形预测中的应用研究

作     者：魏来 张雅晨 潘健 胡一清 Wei Lai;Zhang Yachen;Pan Jian;Hu Yiqing

作者机构：南京远能电力工程有限公司江苏南京210000 

出 版 物：《山西建筑》 (Shanxi Architecture)

年 卷 期：2025年第51卷第2期

页      面：28-32,43页

学科分类：08[工学] 081402[工学-结构工程] 081304[工学-建筑技术科学] 0813[工学-建筑学] 0814[工学-土木工程] 

基　　金：“数字周岗”改造工程建设项目(编号:823140816) 

主　　题：自动化监测 深度学习 时间序列数据 双向长短时记忆网络与注意力机制(BiLSTM-Attention) 

摘      要：随着工业化和物流行业的发展,钢结构货架在仓储和物流系统中越来越重要,因此准确预测其变形至关重要。文章介绍了一种基于双向长短时记忆网络(BiLSTM)和注意力机制的预测算法,该算法利用时间序列数据,通过深度学习模型进行训练,能够更细致地分析和预测钢结构货架的变形。结合一个典型应用验证了模型性能,证实了其高稳健性和出色的预测精度。实验结果表明,该模型能够准确地预测钢结构货架的变形情况,其平均误差仅为0.15%~3.33%。这些结果表明了该算法在钢结构货架自动化监测领域的潜在应用前景,为其结构变形预测提供了一种可行的解决方案。