基于神经网络的基坑紧邻环境多因素预测

• 作者: 仲志煜 李建春 张琦 王月峰
• 来源期刊: 水利与建筑工程学报
• 关键词: 深基坑 数据预测 小波分析 长短时记忆神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 城乡建筑与交通工程
• 页码范围: 214-220
• 页数: 7页
• 分类号: TU43
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1144.2021.03.033

摘要

随着高层建筑的增多与地下空间的大范围开发,基坑工程不断增加的深度与规模都对紧邻环境造成了巨大挑战,而有效预测能提前发现工程的安全隐患.为了预测深基坑工程开挖时地表沉降、地铁结构位移、坑外土体测斜三类紧邻环境的监测数据,同时降低数据在获取过程中受到的噪声影响,提出了小波分析-长短时记忆神经网络(WA-LSTM)模型.该模型使用排列熵算法选择最优预测天数,同时以皮尔逊相关性分析结果为依据选用不同的输入组合,考虑了输入项之间的相关性大小.实验使用上海徐家汇中心深基坑工程的监测数据进行验证,结果表明,WA-LSTM(双因素)模型对原数据的趋势性上还原程度较高,是一种高精度、高时效、更符合理论变化趋势的环境预测模型.