【清华团队在跨海桥梁智能计算与监测方面取得系列进展】跨海大桥不仅是连接海岸的交通命脉，更是海洋交通与能源基础设施的重要组成部分。不同于陆上桥梁，海上桥梁长期面临风浪耦合、地震震动、海流冲击等多重动态荷载的持续侵袭，结构安全运营面临巨大挑战。如何实现快速、精准、贴合工程实际的海上桥梁结构响应预测与健康监测，成为影响海洋工程结构智能监测发展的难题之一。
近日，清华大学深圳国际研究生院郭宇韬副教授团队连续提出两项创新算法框架：深度海洋桥梁预测模型（DeepOBP）与降阶物理信息神经网络（ROM-PINN），通过深度学习与结构力学的交叉融合，分别解决了多荷载耦合下实时响应预测、非线性结构物理一致性建模两项问题，相关成果为海上桥梁等大型工程结构的高效安全监测提供了新的视角。近日，研究成果以“基于深度学习的近海桥梁实时多荷载响应预测与反演分析”（Deep learning-based realtime multiload response prediction and inverse analysis of offshore bridges）和“ROM-PINN：一种结合降阶建模的物理信息神经网络用于非线性结构响应预测”（ROM-PINN: A physics-informed neural network with reduced-order modelling for nonlinear structural response prediction）为题，分别于2月12日和2月11日发表于《工程结构》（Engineering Structures）和《结构》（Structures）。论文链接：
http://t.cn/AXVjVaft
http://t.cn/AXVjVaf5
（来源：深圳国际研究生院）#科研速递# #清华大学[超话]#