基于深度学习的盾构竖向姿态组合预测

• 作者: 李增良
• 来源期刊: 隧道建设（中英文）
• 关键词: 地铁隧道 组合预测模型 深度学习 盾构竖向姿态 长短期记忆神经网络 支持向量回归
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 研究与探索
• 页码范围: 758-763
• 页数: 6页
• 分类号: U45
• 语种: 英文
• DOI: 10.3973/j.issn.2096-4498.2021.05.008

摘要

为解决盾构竖向姿态的精确预测问题,提出一种基于长短期记忆(long short term memory,LSTM)神经网络-支持向量回归(support vector regression,SVR)的深度学习组合预测模型.在对采集到的竖向姿态数据进行相应的数据预处理的基础上,分别构建LSTM、SVR竖向姿态预测模型,并基于最优组合赋权的方式对二者的预测结果进行赋权,以得到LSTM-SVR盾构竖向姿态组合预测模型.为验证所构建的LSTM-SVR组合深度学习预测模型的可靠性,依托昆明地铁项目,将预测结果与LSTM、SVR、BP(back propagation)模型的预测结果进行对比.结果表明:所构建的LSTM-SVR组合深度学习预测模型具有较高的预测精度.