基于LSTM的深基坑开挖地表沉降预测研究

摘要：

针对传统的BP神经网络在机械学习过程中容易出现的运行速度慢、易过度拟合和与实测值误差较大等问题,提出了一种基于循环神经网络(RNN)的长短期记忆人工(LSTM)神经网络模型.通过广州市某深基坑开挖的周围地表沉降监测数据进行LSTM神经网络训练,并对后续地表沉降值进行预测,预测结果表明:相比于传统的BP神经网络,LSTM神经网络具有较高的预测精度,可较好的实现基坑开挖过程中深基坑周围地表沉降预测.研究成果可为深基坑施工过程中周围土体变形监测和预警提供参考.

关键词：循环神经网络、机器学习、深基坑、沉降预测

所属期刊栏目：47

分类号：TU433(土力学、地基基础工程)

在线出版日期：2021-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：74-75,140