|
|||||
|
|
| 基于融合多注意力机制的深度学习的盾构荷载预测方法 | |
| 作者姓名： | 陈城 史培新 王占生 贾鹏蛟 |
| 作者单位： | 1. 苏州大学轨道交通学院;2. 苏州轨道交通集团有限公司 |
| 基金项目： | 国家自然科学基金资助项目(52278405)； |
| 摘 要： | 盾构荷载作为盾构的主要性能指标，准确的荷载预测对于保证盾构安全高效工作和周边环境稳定具有重要意义.鉴于传统预测方法精度差的局限性，本研究以数据的高维度特征和时序特征为切入点，提出一种结合卷积神经网络、双向长短期记忆神经网络和注意力机制的混合模型(CNN-BiLSTM-Multiattention, CBM),对盾构荷载进行精准预测.该模型不仅可以提取数据的高维度特征和时序特征，还能突出高维度特征的重要性和关键时间节点信息.通过实验证明了相较于4种现有的模型，本文所提出的模型在3种评价指标上均优于其他模型，对推力和扭矩预测的准确率达到94.2%和96.2%. |
| 关 键 词： | 深度学习 注意力机制 时序特征 高维度 荷载预测 |