10.3973/j.issn.2096-4498.2021.05.008
基于深度学习的盾构竖向姿态组合预测
为解决盾构竖向姿态的精确预测问题,提出一种基于长短期记忆(long short term memory,LSTM)神经网络-支持向量回归(support vector regression,SVR)的深度学习组合预测模型.在对采集到的竖向姿态数据进行相应的数据预处理的基础上,分别构建LSTM、SVR竖向姿态预测模型,并基于最优组合赋权的方式对二者的预测结果进行赋权,以得到LSTM-SVR盾构竖向姿态组合预测模型.为验证所构建的LSTM-SVR组合深度学习预测模型的可靠性,依托昆明地铁项目,将预测结果与LSTM、SVR、BP(back propagation)模型的预测结果进行对比.结果表明:所构建的LSTM-SVR组合深度学习预测模型具有较高的预测精度.
地铁隧道、组合预测模型、深度学习、盾构竖向姿态、长短期记忆神经网络、支持向量回归
41
U45(隧道工程)
中国博士后科学基金2020M673525
2021-07-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
758-763