基于机器学习LSTM方法的大面积高填土沉降预测
大面积高填土一般具有区域地质条件差异性大,工程参数取值变异性大的特点,传统的地面沉降预测方法和以有限元为代表的数值分析方法都难以保证大面积高填土长期沉降预测的准确性.因此,本研究引入机器学习的方法,采用长短时记忆(LSTM)网络建立了云南省巧家县移民安置用地大面积高填方沉降预测模型.基于65组监测点位的沉降监测据,前60%的实测沉降数据作为LSTM模型训练样本,预测后40%的沉降数据.结果表明,本文提出的LSTM模型预测值与实际测量值之间有着较好的一致性,85%的监测点预测误差在20%以内,证明了本文提出的LSTM模型能够应用于大面积高填方沉降预测.
高填土、沉降预测、机器学习、长短时记忆网络
50
TU449(土力学、地基基础工程)
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
41-45