基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型 |
| |
引用本文: | 周中,张俊杰,丁昊晖,李繁.基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型[J].岩石力学与工程学报,2023(1):224-234. |
| |
作者姓名: | 周中 张俊杰 丁昊晖 李繁 |
| |
作者单位: | 中南大学土木工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(50908234);;湖南省自然科学基金项目(2020JJ4743)~~; |
| |
摘 要: | 为了对盾构隧道下穿既有隧道的安全控制提供支撑,以既有地铁隧道的沉降预测误差为目标,采用遗传算法(GA)对双向长短期记忆网络(Bi-LSTM)结构中的时间序列的长度、隐藏层的单元数、隐藏层层数、LSTM的层数以及dropout进行参数优化,并在综合考虑工程地质参数、空间参数和盾构施工参数的基础上,构建GA-Bi-LSTM既有隧道沉降预测模型。以长沙轨道交通3号线平行下穿长沙轨道交通1号线区间工程为依托,基于该区间内的既有隧道沉降监测值以及对应的输入参数数据,对模型进行训练和测试。研究结果表明:提出的GA-Bi-LSTM模型对既有隧道沉降预测的平均绝对误差(MAE)、均方根(RMSE)、样本回归值(R2)分别为0.42,0.45,0.90,平均相对误差仅为10.78%,相较于BP,SVM,LSTM,Bi-LSTM神经网络模型拥有更好的预测精度,说明该模型具有较好的可靠性和实用性,可为新建隧道下穿既有隧道的沉降预测提供一种新的思路和方法。
|
关 键 词: | 隧道工程 盾构隧道 神经网络 遗传算法 预测模型 沉降量 |
|
|