| 机器学习预测盾构隧道引起的地表沉降研究 |
| |
| 引用本文： | 何红员,龙道选,王凯,汤道飞.机器学习预测盾构隧道引起的地表沉降研究[J].江苏建筑,2021(4):80-84. |
| |
| 作者姓名： | 何红员 龙道选 王凯 汤道飞 |
| |
| 作者单位： | 中铁隧道集团三处有限公司,广东深圳 518000;上海大学土木工程系,上海 200444 |
| |
| 摘 要： | 针对盾构隧道地表沉降预测问题,在总结现有地表沉降预测方法和理论的基础上,提出基于长短时记忆(LSTM)神经网络构建的地表沉降预测模型,针对南通地铁1号线项目,建立了土体参数、设计参数、施工参数和地表沉降的数据库,通过相关性分析、主成分分析,选择出了影响地表沉降的主要相关因素,然后依托盾构隧道的监测数据作为样本数据对模型进行训练预测,并将LSTM神经网络模型预测值与实际工程监测数据进行对比.结果表明,LSTM神经网络模型能够在短期内预测最大沉降值,且预测值与实际沉降值较为接近.
|
| 关 键 词： | 盾构隧道 机器学习 神经网络 长短时记忆 |
Study of Machine Learning Predicts Ground Settlement Caused by Shield Tunnels |
| |
| HE Hong-yuan,LONG Dao-xuan,WANG Kai,TANG Dao-fei.Study of Machine Learning Predicts Ground Settlement Caused by Shield Tunnels[J].Jiangsu Construction,2021(4):80-84. |
| |
| Authors: | HE Hong-yuan LONG Dao-xuan WANG Kai TANG Dao-fei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
