基于时空关联特征的CNN-LSTM模型在基坑工程变形预测中的应用
为了更准确地预测基坑工程领域的复杂时间序列,提出一种以多个监测点的监测数据构成的多维时间序列作为输入的CNN-LSTM的组合神经网络模型.首先采用卷积神经网络(CNN)对输入的监测数据进行空间特征提取,输出多个由空间特征构成的时间序列,利用长短期记忆神经网络(LSTM)对空间特征序列进行学习,预测未来的特征值,最后通过全连接层整合空间特征,输出预测的监测值.在此基础上,基于上海云岭竖井超深基坑的现场地表沉降监测数据进行工程案例验证,结果表明考虑时空关联性的组合模型精度高于仅考虑时间关联性的单一LSTM模型.
基坑;变形预测;时间序列建模;CNN网络;LSTM网络
43
TU43(土力学、地基基础工程)
苏州河段深层排水调蓄管道系统工程试验段监测技术验证与分析模型研究项目;中央高校基本科研业务费专项资金项目;国家自然科学基金项目
2021-12-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
108-111