基于机器学习的工作井开挖周边管线沉降预测研究

作     者：徐浩 廖铭新 吕家树 卞士海 许斌锋 罗伟锦 XU Hao;LIAO Mingxin;LV Jiashu;BIAN Shihai;XU Binfeng;LUO Weijing

作者机构：宁波市河道管理中心浙江宁波315100 浙江省工程勘察设计院集团有限公司浙江宁波315012 浙江省城市盾构隧道安全建造与智能养护重点实验室杭州310015 

基　　金：国家自然科学基金(52008214) 浙江省城市盾构隧道安全建造与智能养护重点实验室开放基金(ZUCC-UST-23-06) 

出 版 物：《广东土木与建筑》 (Guangdong Architecture Civil Engineering)

年 卷 期：2024年第31卷第6期

页      码：1-5,10页

摘      要：城市水利设施常采用顶管法,这其中较为重要的是工作井施工。对于过江顶管,工作井往往为超深基坑,容易对周边环境产生影响,预测工作井开挖过程中的地面沉降对于工程安全和提前预警具有重要的意义。依托宁波某顶管引水项目,针对工作井附近的地面沉降监测数据,分别长短时记忆网络、门控循环单元、随机森林回归、支持向量机回归、BP神经网络等算法预测工作井周边沉降变化,预测结果表明神经网络类算法精度最高,可在一定程度上反映沉降的动态变化;支持向量机和随机森林算法在沉降变形的动态预测方面存在缺陷,对于变形的峰值和发展趋势方面的捕捉有所不足。针对单一模型的不足,文章进一步提出了一种结合数据分解降噪和机器学习的CEEMDAN-LSTM模型,提升了监测数据的预测效果。由此,智能算法在分析和预测深基坑开挖引起的沉降方面具有一定的潜力,值得进一步推广。

主 题 词：顶管施工 工作井 监测 长短时记忆网络 门控循环单元 提前预警 

学科分类：08[工学] 0815[工学-矿业类] 

D　O　I：10.19731/j.gdtmyjz.2024.06.001

馆 藏 号：203128780...