一种基于多任务时间融合的框架:利用多源监测数据对大坝裂缝响应与钢筋应力进行48 h超前联合预测

《Infrastructures》:A Multi-Task Temporal Fusion Framework for 48 h Ahead Joint Prediction of Dam Crack Responses and Rebar Stress from Multi-Source Monitoring Data

【字体: 大 中 小 】 时间:2026年06月16日 来源:Infrastructures 2.9

编辑推荐:

  裂缝开度与钢筋应力是表征钢筋混凝土水工结构服役状态的两类互补指标,但二者通常被分开预测。本研究构建了一种数据驱动的多任务时间融合框架,用于基于多源监测数据实现大坝裂缝响应与钢筋应力的48 h超前联合预测。实测数据包括5组裂缝监测序列、5组钢筋应力序列、局部温度

  
裂缝开度与钢筋应力是表征钢筋混凝土水工结构服役状态的两类互补指标,但二者通常被分开预测。本研究构建了一种数据驱动的多任务时间融合框架,用于基于多源监测数据实现大坝裂缝响应与钢筋应力的48 h超前联合预测。实测数据包括5组裂缝监测序列、5组钢筋应力序列、局部温度通道、水库水位、前期降雨以及约4年时长的辅助环境信号。目标响应仅在共同实测时间戳处进行对齐,未引入任何合成目标观测值。研究进一步结合简化工程平面布置以及基于平面图的裂缝—钢筋距离信息,以检验显式空间先验是否能够在不引入合成目标值的前提下增强共享时间表征。研究提出了一种残差多任务时间融合网络(MTTF-Net),其包含共享Transformer(变压器)编码器、注意力池化(attention pooling)、任务特异性解码器以及响应连续性正则项。该模型在按时间顺序划分的训练集/验证集/测试集方案下,与持续性预测(persistence)、Ridge回归、随机森林(random forest)、Extra Trees、XGBoost以及门控循环单元(GRU)基线模型进行了比较。在独立测试阶段,Ridge回归获得最低总体均方根误差(RMSE,root mean squared error)2.2968,而MTTF-Net取得最低裂缝RMSE 0.0141、最低总体平均绝对误差(MAE,mean absolute error)1.0035,以及第二优总体RMSE 2.3813。记作MTTF-Net-S的距离信息消融模型在宏平均决定系数方面与MTTF-Net保持接近,但在总体测试指标上并未表现更优,这表明现有水平距离信息虽是有价值的工程元数据,但尚不足以替代更丰富的三维结构连通性。上述结果说明,监测数据中存在较强的线性自回归成分,而多任务时间融合可改善非线性裂缝响应预测,并在应力预测任务上保持竞争力。源代码已整理为可公开实现的软件包,而实测监测数据集受数据所有者限制。
该论文发表于《Infrastructures》,聚焦于钢筋混凝土水工结构长期结构健康监测(SHM,结构健康监测)中的联合预测问题。研究背景在于,大坝等基础设施的服役安全越来越依赖多源监测数据驱动的行为识别与风险预警。既有研究虽已广泛关注变形、位移、渗流或应力等单一响应指标,并在长短期记忆网络、门控循环单元、注意力机制和Transformer等时序建模方法上取得进展,但裂缝开度与钢筋应力通常被割裂处理。事实上,裂缝响应反映局部混凝土损伤与接缝活动,钢筋应力反映受力重分布,两者共同表征结构服役状态,具有明显互补性。与此同时,现场监测数据又不同于实验室数据,存在采样频率不一致、环境变量与目标响应不同步、目标插值可能制造伪监督等问题。因此,如何在不构造合成目标值的前提下,利用保守的数据对齐策略建立裂缝—应力联合预测模型,并验证空间信息是否能增强共享表示,是该研究开展的直接动因。

研究人员围绕这一问题,构建了一个可复现实测监测数据分析框架,用于48 h超前预测5个裂缝响应目标与5个钢筋应力目标。研究以共同实测时间戳为准对裂缝与应力目标进行内连接对齐,仅将采样更高频的环境变量通过邻近或向后匹配方式映射到响应时间戳,避免合成目标观测。随后,研究提出残差多任务时间融合网络(MTTF-Net),以共享Transformer编码器提取多源时序中共同的温度、水位、降雨、结构惯性与响应记忆模式,并通过任务特异性解码头分别输出裂缝与应力预测结果。为考察显式空间先验的作用,研究还基于简化平面布置图中裂缝计与钢筋应力计的水平距离,构造逆距离加权特征,形成MTTF-Net-S消融模型。最终,研究将所提方法与持续性预测、Ridge回归、随机森林、Extra Trees、XGBoost和GRU进行统一时序协议下的系统比较。

从研究意义看,该工作并非简单提出一个深度学习模型,而是强调在基础设施监测中采用保守且可审查的数据构造流程,确保所有结果、图表与数值都来源于实测数据而非人为插值目标。这一设计对于工程监测中的可信部署尤为关键。研究结论表明,目标序列具有显著线性时间惯性,因此强基线模型不可忽视;与此同时,多任务非线性时间融合在裂缝响应预测上体现出更高优势,为构建统一的裂缝—应力预警接口提供了方法学支撑,也为今后引入更丰富的结构连通信息、图模型和不确定性预测奠定基础。

作者开展研究所用的主要关键技术方法可概括如下:第一,基于单个在役钢筋混凝土水工结构约4年的多源监测档案构建保守联合数据集,样本包括5组裂缝、5组钢筋应力、局部温度、水库水位、前期降雨和辅助环境信号;第二,采用共同时间戳内连接、环境变量邻近/后向对齐、训练集统计量标准化、21步历史窗口与6步预测步长构建监督学习样本;第三,提出包含共享Transformer编码器、注意力池化、残差式多任务解码器和连续性正则项的MTTF-Net;第四,基于平面距离构建逆距离空间上下文特征,形成距离信息消融模型;第五,在按时间顺序划分的训练集、验证集、测试集上,利用MAE、RMSE与R2等指标开展多模型对比评估。

在“Materials and Data Construction”部分,研究人员首先说明了监测变量组成与数据构造流程。原始档案包括5个裂缝响应文件、5个钢筋应力文件,以及水位、降雨和辅助环境测量记录;每个裂缝或应力文件包含时间戳、局部温度和目标响应三列。研究对象为一座在役钢筋混凝土水工结构,但为保密起见未公开具体工程名称、坐标与详细结构图。研究通过简化平面布置图和裂缝—钢筋对应表,使J系列裂缝计与R系列钢筋应力计的相对位置明确化,并将这些水平距离仅作为工程上可辩护的空间先验,而非完整三维力学传递路径。对齐后的响应时段覆盖2021年3月11日至2025年3月6日,共得到4281个共同时间戳;在21个采样点历史窗口与6步预测地平线条件下,生成4255个监督序列。该保守对齐策略从43,565个原始目标观测中保留42,810个,丢弃比例仅为1.73%,体现出研究对“避免伪监督”的高度重视。

在“Mathematical Formulation”部分,论文给出了联合预测任务的形式化定义。研究将裂缝响应向量与钢筋应力向量分别表示,并在每个对齐时间戳t构成堆叠目标向量;输入特征则包括裂缝与应力历史、局部温度、水位、前期降雨、辅助环境信号及日历编码。对于标准化处理,均值与标准差仅由训练集估计,以避免信息泄漏。研究还专门定义了基于平面距离的空间先验:对裂缝计i与应力计j之间的水平距离构造逆距离得分,经行归一化与列归一化后分别形成针对裂缝与钢筋应力的距离加权上下文变量。重要的是,这些附加特征完全由输入窗口内的实测历史响应计算得到,不包含任何目标插值、合成裂缝值或合成应力值,因此维持了实验设计的保守性。

在“Proposed MTTF-Net”部分,研究提出了论文核心模型。其一,“Shared Temporal Encoder”显示,MTTF-Net使用共享时间编码器同时服务于裂缝和应力两组任务,目的是学习由水位、降雨、局部热作用、结构惯性和响应记忆共同诱导的时间驱动模式。在主模型中,直接使用标准化输入矩阵;在MTTF-Net-S中,则输入加入距离增强特征。标准化输入首先被投影到d维潜在空间,并叠加可学习的位置嵌入;随后通过Transformer编码层中的多头注意力(MHA,multi-head attention)提取长程依赖关系,并在其后附加轻量级一维卷积残差块,以增强局部时间变化表征能力;最终借助注意力池化将整个输入序列压缩为共享状态表示。其二,“Residual Multi-Task Decoders”表明,鉴于监测响应具有较强连续性,模型并不直接输出目标绝对值,而是相对输入窗口内最后一个观测响应预测增量。裂缝与应力分别由任务特异性全连接解码器输出,整体损失函数则由两类任务误差、弱连续性正则项以及权重衰减共同组成。这种设计兼顾了共享信息提取与任务差异表达,也体现出对工程监测时间连续特性的针对性适配。

在“Experimental Design”部分,研究建立了严格统一的比较方案。“Benchmark Algorithms”中,持续性预测代表最朴素的时间延续假设,Ridge回归作为强线性自回归基线,随机森林和Extra Trees代表装袋树模型,XGBoost代表提升树模型,GRU代表循环神经网络基线,而MTTF-Net-S则作为空间先验消融模型。所有方法共享相同的输入窗口、目标步长、特征矩阵和目标向量。按时间顺序划分后,训练集、验证集和测试集分别包含2978、638和639个序列。选择21个输入样本,是因为响应间隔约为8 h,对应约7天的历史长度,既能覆盖短期热—运行循环,又得到自相关分析支持:在滞后3、6、12和21时,平均目标自相关依然较高。预测步长设为6个样本,即约48 h,兼顾运行预警需求与日常巡检维护的相关性。“Metrics”部分则给出了MAE、RMSE和R2定义,并特别引入宏平均R2,以避免由于钢筋应力量纲和方差更大而掩盖裂缝通道表现。

在“Results”部分,首先是“6.1. Overall Prediction Accuracy”。研究结果表明,48 h超前预测任务具有明显自回归特征。Ridge回归取得最低总体RMSE 2.2968和最低应力RMSE 3.2481,说明线性时间惯性在该数据集上极强;但MTTF-Net取得最低总体MAE 1.0035以及最低裂缝RMSE 0.0141,表明共享非线性时间编码器对裂缝响应组尤其有效。与持续性预测相比,MTTF-Net将总体RMSE由2.6590降至2.3813,降幅为10.44%,并将展平总体R2由0.9796提升至0.9837。宏平均R2方面,Ridge与MTTF-Net分别为0.9360和0.9345,进一步表明两者整体性能接近,但优势侧重点不同。随机森林、Extra Trees和GRU表现相对较弱,提示仅增加非线性容量并不足以处理以线性惯性为主导的监测响应。

“6.2. Distance-Informed Spatial Ablation”部分考察了平面距离空间先验的实际价值。MTTF-Net-S在输入中增加了10个距离加权空间上下文变量,使输入维度由29增至39。这一模型在独立测试期间与原始MTTF-Net的宏平均R2相近,但总体指标未能超越后者,总体RMSE由2.3813升至2.5052。不过,在R03-01应力通道上,其RMSE从5.1404 MPa降至5.0925 MPa,显示空间距离信息对局部通道具有一定帮助。研究据此指出,平面水平距离能够提供有意义的工程背景,但在已有目标历史和局部温度通道参与建模时,单一水平距离不足以全面改善各响应预测,若要构建更强空间模型,仍需三维坐标、埋置深度、结构分区及有限元或巡检连通信息支撑。

“6.3. Per-Target Performance of MTTF-Net”部分报告了MTTF-Net逐目标误差与R2。研究发现,大多数响应通道都维持较高R2,但R15-01应力通道在测试期更难预测。裂缝通道之所以更精确,一方面因为其振幅更小,另一方面因为测试期间时间演化更平滑;相对而言,钢筋应力通道数值范围更大、局部变化更突兀,因此绝对RMSE更高。该部分配合代表性测试期时间序列和观测—预测散点图,说明模型对裂缝和应力两类目标均具有较好的跟踪能力,但精度受物理量幅值和局部波动性差异影响。

“6.4. Feature Relevance”部分利用随机森林特征重要性作为辅助探索工具,而非最终输入筛选依据。结果显示,历史响应通道在特征排序中占主导地位,水位、降雨累计和温度通道提供上下文信息。这与持续性预测和Ridge回归的良好表现一致,进一步说明任何非线性模型首先都必须尊重监测数据的响应连续性结构。对于局部温度通道T-R02-03较高的重要性,研究持谨慎解释态度,认为这更可能体现局部热—力耦合及相关特征之间的重要性竞争,而不能据此断定该温度通道是唯一或主导性物理驱动因素。

“6.5. Computational Cost”部分则讨论了计算代价。所有实验均在本地工作站CPU上完成。MTTF-Net需要早停训练,但对该数据集规模而言仍具可处理性;对离线模型开发和周期性重训练场景,其计算开销可以接受,而在实时预警部署中,推理成本相较于数据采集和数据库访问可忽略不计。这一点为模型的工程应用提供了现实参考。

在“Discussion”部分,论文首先在“7.1. Why Ridge Is a Strong Baseline”中指出,该数据集具有很强的线性自回归成分,这与大坝监测中裂缝和应力在缓慢变化热—水工荷载作用下通常连续变化的工程事实一致。因此,高容量非线性模型并不会天然优于线性模型,深度学习研究若缺乏强持续性或强线性基线对照,可能夸大模型优势。其次,“7.2. Computational Cost Versus Marginal Gain”比较了Ridge与MTTF-Net的训练成本:Ridge约0.02 s,而MTTF-Net约46.21 s。在以缓变应力响应为主的常规快速筛查中,Ridge显然更加经济;但若工程场景需要统一的裂缝—应力预测界面、更加关注裂缝异常偏离、或需要处理潜在非线性热/降雨交互,则MTTF-Net额外训练成本相对于监测周期是可接受的。再次,“7.3. Value of Joint Multi-Task Fusion”指出,尽管Ridge具有最低总体RMSE,MTTF-Net在裂缝RMSE和总体MAE上最优,说明联合非线性时间融合更擅长追踪部分局部裂缝偏移,而应力预测仍对高幅值和突变分量更敏感。然后,“7.4. Role of the Plan-Based Spatial Prior”说明,平面布局确认某些裂缝计和应力计物理上接近,MTTF-Net-S获得了可比但非整体更优的结果,因此不能据此否定空间力学关系,而应理解为现有水平距离只是结构耦合的有限代理。最后,“7.5. Limitations”明确承认局限性:空间距离仅为二维代理,未涵盖埋深、配筋、接缝条件或有限元连通;实验仅基于一座被监测大坝和一个时间测试段,尚需在更多结构和工况中验证可迁移性;模型当前只提供确定性点预测,未来预警还需校准不确定性区间。

研究结论部分可翻译概括如下:本研究构建了一个可复现的论文实现包,用于基于实测多源监测数据对大坝裂缝响应与钢筋应力进行48 h超前联合预测。对齐后的数据集包含4281个共同响应时间戳,以及由5个裂缝目标和5个钢筋应力目标组成的4255个监督序列,且未构造任何合成目标响应。所提出的MTTF-Net采用共享Transformer编码器、注意力池化、响应残差解码和多任务损失。在按时间顺序划分的测试阶段,Ridge回归取得最低总体RMSE 2.2968,而MTTF-Net取得最低裂缝RMSE 0.0141、最低总体MAE 1.0035以及第二优总体RMSE 2.3813;相较持续性预测,MTTF-Net将总体RMSE降低了10.44%。这些结果表明,被监测结构表现出较强线性时间惯性,但非线性多任务时间融合能够改善裂缝响应预测,并为集成化裂缝—应力预警提供灵活框架。基于平面距离的信息化消融进一步说明,显式空间元数据可在不构造目标数据的情况下被纳入模型,但仅凭水平距离尚不足以稳定带来精度提升。这一区分对于未来基于图的方法拓展具有重要意义,因为在提出强空间力学主张之前,必须首先引入更丰富的结构连通信息。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号