基于灰色长短时记忆网络融合模型的隧道沉降预测

作     者：张振威 黄晓彬 陈何峰 赵程 ZHANG Zhenwei;HUANG Xiaobin;CHEN Hefeng;ZHAO Cheng

作者机构：同济大学岩土与地下工程教育部重点实验室上海200092 同济大学地下建筑与工程系上海200092 同济大学建筑设计研究院上海200092 

基　　金：上海市市级科技重大专项(2017SHZDZX02) 

出 版 物：《河北工程大学学报（自然科学版）》 (Journal of Hebei University of Engineering:Natural Science Edition)

年 卷 期：2021年第38卷第4期

页      码：53-59页

摘      要：地下建筑工程中,对地下结构的变形监测无法有效预防灾害发生,因此需要开展变形预测的研究。传统预测方法多属于静态预测,无法实现随沉降发展的动态调整,且评价指标单一。结合灰色模型GM(2,1)与长短时记忆神经网络(LSTM)两种动态预测模型,基于快速非支配遗传算法构建了同时考虑两种评价指标的组合模型,依据某工程长期监测数据对隧道沉降进行预测。结果显示:长短时记忆神经网络模型与灰色模型在精度上优于其他模型,能够准确预估沉降发展,其中长短时记忆神经网络优势更明显;使用快速非支配多目标优化遗传算法进行组合模型的权值分配可以较快得到两种评价指标下的最优定权方案,结合每种模型的优势,得到较精确的预测效果。

主 题 词：沉降预测 长短时记忆神经网络 灰色模型 快速非支配遗传算法 组合模型 

学科分类：080503[080503] 08[工学] 0805[工学-能源动力学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1673-9469.2021.04.008

馆 藏 号：203106840...