一种基于学习模型的海底隧道沉管健康性预测方法

本发明公开了一种基于学习模型的海底隧道沉管健康性预测方法，通过采集多种监测数据，并设计了隧道健康状态的指标权重体系，根据专家经验评分，确定各类监测数据的权重；然后进行数据加权融合，将加权融合后的监测数据输入深度学习模型，作为输入和预测变量，训练深度学习模型，该深度学习模型用于根据历史监测数据，来预测未来的趋势数据；将趋势数据作为新的观测数据，输入贝叶斯模型计算未来损伤风险的概率。本发明结合了贝叶斯推理与深度学习模型，能够准确预测隧道结构的短期健康状态变化，通过贝叶斯模型量化损伤发生的概率，并结合健康状态风险指数进行分级预警提示，能够提前预防潜在风险。