摘要：在对边坡进行准确性和可靠性评价时,传统的预测方法有效预测趋势时间短,且预测趋势与实际变化趋势差异较大。为提边坡形变监测中趋势预测值与实际变化趋势吻合度差的问题,文章提出了基于融合自注意机制的GRU边坡预测算法(Self-attention Gate Recurrent Unit,SA-GRU)。该算法:(1)对边坡监测历史数据进行预处理,从而降低数据集中的随机噪声,同时去除由设备问题产生的重复数据;(2)为了捕捉序列中的长期依赖关系,构建基于GRU的循环神经网络模型,并引入自注意机制以增强模型的关注能力。(3)将LSTM、GRU和SA-GRU 3种网络得到预测结果进行对比,发现融入了自注意力机制的GRU模型可以更好地理解序列中的时间关系,提高了预测的准确性。本算法对边坡形变趋势预测精度更高,在边坡稳定性的预测方面有更好的适用性。

摘要：岩溶对桥基危害巨大,常用的物探方法存在较大局限。为准确探测公路桥基岩溶分布,介绍了地震散射波法的原理以及该方法的数据处理技术和成果解译方法,并用于工程实践。结果表明,根据该法的偏移图像圈定岩溶及地层划分,经钻孔验证,探测结果准确程度高,表明地震散射波法具有探测深度大、分辨率高、不依赖于钻孔等优点,可作为公路桥基岩溶探测的方法,应用前景良好。