基于改进LSTM神经网络模型的深基坑沉降变形预测

• 作者: 李沛鸿 袁志明
• 来源期刊: 福建质量管理
• 关键词: 长短记忆时 波动项循环预测 深基坑变形预测
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 金融证券
• 页码范围: 83
• 页数: 1页
• 字数: 1379字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9604.2019.13.066

摘要

改进的LSTM预测模型,设计了预测所得的波动项循环预测的步骤,并将改进模型运用于基坑变形预测.将该模型与BP神经网络预测模型和SVM预测模型对比,结果表明改进的LSTM预测模型拥有更好的预测效果,预测结果趋势符合实际.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李沛鸿	江西理工大学建筑与测绘工程学院	42	174	8.0	11.0
2	袁志明	江西理工大学建筑与测绘工程学院	12	65	1.0	8.0