基于MIC-LSTM的盾构施工地表变形动态预测

• 作者: 李增良
• 来源期刊: 隧道建设（中英文）
• 关键词: 地铁隧道 盾构 地表变形 动态预测 最大信息系数 长短期记忆神经网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究与探索
• 页码范围: 199-205
• 页数: 7页
• 分类号: U455.43
• 语种: 英文
• DOI: 10.3973/j.issn.2096-4498.2021.02.005

摘要

在盾构施工过程中准确预测施工引起的地表变形,对于保障盾构施工的顺利掘进具有重要意义.基于此,提出盾构施工地表变形MIC-LSTM动态预测模型.首先,确定影响地表变形的主要因素,并采用最大信息系数法(MIC,maximal information coefficient)确定各个影响因素和地表变形之间的相关程度,进而对各个影响因素赋权;其次,将赋权后的各个影响因素和盾构中心处过去最近10个监测时刻的地表变形数据作为输入变量、未来3个监测时刻的变形数据作为输出变量来构建长短期记忆(LSTM,long short-term memory)神经网络动态预测模型;最后,为验证所构建的MIC-LSTM动态预测模型的实用性,依托昆明地铁5号线盾构施工项目,将预测结果与LSTM、RNN(recurrent neural network)以及BP(back propagation)神经网络的预测结果进行对比.研究结果表明:所构建的盾构施工地表变形动态预测模型具有较高的预测精度.