一种基于麻雀优化算法与长短期记忆网络的列车-轨道-桥梁耦合响应预测方法

一种基于麻雀优化算法与长短期记忆网络的列车‑轨道‑桥梁耦合响应预测方法，通过多源传感器实时采集列车速度、轴重、轨道振动加速度、桥梁应变及环境温度等数据，经小波去噪与标准化预处理后构建多变量时序数据集，并在此基础上设计LSTM网络架构，引入注意力机制动态分配各时间步特征权重，以增强对轨道不平顺突变与桥梁共振区间关键信号的捕捉能力，针对LSTM超参数优化难题，采用麻雀优化算法全局搜索隐藏层神经元数、学习率及时间步长的最优组合，通过动态自适应步长策略平衡算法前期全局探索与后期局部开发能力，避免传统网格搜索或遗传算法的局部收敛缺陷，不仅能够使计算效率得到显著提升，而且还能降低误差、提升预测精度。