模块化深度学习模型

火灾轴力实时预测

采用模块化架构融合CNN与LSTM，实现火灾下钢管混凝土柱轴力的精确在线预测，优于传统集成模型。

Qi, Honghui · Li, Guoqiang · 朱劭骏

Engineering Applications of Artificial Intelligence 2025

参数信息

温度场预测精度

0.97 R²

轴力比预测精度

0.99 R²

技术优势

抗噪声干扰

温度场预测模块能利用历史数据和含噪声的实时表面温度估计当前温度场，有效减轻噪声干扰，测试集R²达0.97，确保准确估计。

超越传统模型

模块化模型在实时轴力预测上优于传统集成深度学习模型，测试集轴力比R²达0.99，提升了预测精度。

实时预测

采用CNN-LSTM模块和带跳跃连接的LSTM模块，融合温度预测和实时轴向变形测量，实现不同火灾场景和结构条件下轴力的实时预测，辅助消防决策。

应用场景

• 结构抗火：实时预测火灾下柱轴力，评估结构安全裕度，支撑抗火设计校核。
• 智能监测：融合实时温变与变形数据，在线更新轴力信息，实现无人值守的结构健康监测。
• 钢管混凝土柱：针对约束钢管混凝土柱开发专用模型，预测其火灾下轴力变化规律，指导该类构件运维。
• 火灾救援：提供着火结构内部轴力实时数据，辅助救援人员判断结构剩余承载力，制定安全处置方案。