基于GCN-GRU组合模型的基坑周边管线沉降预测 |
| |
引用本文: | 秦世伟,陆俊宇.基于GCN-GRU组合模型的基坑周边管线沉降预测[J].扬州大学学报(自然科学版),2023(4):73-78. |
| |
作者姓名: | 秦世伟 陆俊宇 |
| |
作者单位: | 上海大学力学与工程科学学院 |
| |
摘 要: | 为提高基坑变形预测结果的准确性,在传统的单点时间序列预测基础上,引入监测数据的空间特征对预测方法进行改进.基于图卷积神经网络(graph convolutional network, GCN)和门控循环单元(gate recurrent unit, GRU),构建一种能捕获数据时空关联性的变形预测模型GCN-GRU,并将其应用于上海某基坑周边管线沉降的变形预测.结果表明,相比于GRU时间序列预测模型,考虑了空间关联性的GCN-GRU模型在单步预测中的均方根误差(root mean square error, RMSE)和平均绝对百分比误差(mean absolute percentage error, MAPE)分别降低了27.3%和25.0%,多步预测中的RMSE和MAPE降低了37.2%和37.3%,预测结果准确性较高.该方法可为同类基坑工程周边管线沉降变形预测提供参考.
|
关 键 词: | 基坑工程 变形预测 空间特征 图卷积神经网络 门控循环单元 |
|
|