基于Bi-LSTM的非等时距路基工后沉降滚动预测

• 作者: 陈伟航 罗强 王腾飞 蒋良潍 张良
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 双向长短期记忆网络(Bi-LSTM) 路基工后沉降 非等时距序列 滚动预测 施工填筑信息
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 交通工程、土木工程|Traffic Engineering, Civil Engineering
• 页码范围: 683-691
• 页数: 9页
• 分类号: TU433
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2022.04.007

摘要

为了实现路基工后沉降的早期、精准预测,提出基于双向长短期记忆网络(Bi-LSTM)的路基沉降预测技术.采用Akima法将观测数据内插为适应时序分析法的等时距序列,提取"填土高度-时间-地基沉降"曲线中的6个影响因素作为变量训练Bi-LSTM模型,结合滚动迭代方法实现沉降预测的后延更新.研究表明,利用深度学习技术可以有效地利用路基施工期信息,增加训练样本量,提升沉降早期预测的可靠性.Bi-LSTM模型对观测信息进行双向特征提取,同等样本量下的预测效果更精确.依托6个中等压缩性土地基和1个复合地基监测断面信息,仅利用路堤填筑期及工后3个月数据,沉降预测的均方根误差(RMSE)和平均绝对百分误差(MAPE)平均值可以控制为1.19 mm、1.04％.