郑秋怡，周广东，刘定坤

(河海大学土木与交通学院，南京 210098)

大跨桥梁在长期服役过程中，环境作用与运营荷载的耦合作用，导致结构性能不断退化甚至出现灾变垮塌，因此，如何保证大跨桥梁服役安全是桥梁工程领域的重要任务[1-2]。位移能够表征大跨桥梁由于局部损伤或构件破坏引起的受力性能变化，是评估大跨桥梁服役安全的有效指标[3-5]。然而，不仅损伤会导致大跨桥梁位移变化，温度也会引起显著的位移变化。已有研究表明，日本明石海峡大桥单位温度变化引起的挠度可达68.7 mm[6]，香港青马大桥由温度产生的竖向位移波动年幅值超过2000 mm[7]。由此可见，错误估计温度引起的位移不仅会降低大跨桥梁安全评估结果的可靠性，甚至可能得出错误的结论。因此，有必要深入研究温度引起的大跨桥梁位移响应。

基于同步实测的温度和位移数据，建立温度与位移的关联模型，是估计大跨桥梁热位移的理想途径。然而，引起大跨桥梁热位移的温度变量，不仅有构件截面的有效温度，还有构件之间的温差，呈现多元性[8]。不仅如此，温度和位移之间还可能具有非线性特征。这些因素使得线性拟合、非线性拟合等传统方法难以准确估计温度与位移的映射关系。神经网络具有很强的非线性映射、高度自学习和自适应能力，是建立多元温度-位移相关模型的有效方法。近年来，国内外学者采用神经网络对温度-位移相关模型进行了初步研究。陈德伟等[9]采用误差反向传播(BP)神经网络建立了大佛寺长江大桥温度和挠度的相关模型，验证了神经网络预测桥梁挠度的可行性。……