| 基于卷积神经网络-长短期记忆的施工期盾构管片上浮过程预测模型 |
| |
| 引用本文： | 苏恩杰,叶飞,何乔,任超,李思翰,张宏权.基于卷积神经网络-长短期记忆的施工期盾构管片上浮过程预测模型[J].同济大学学报(自然科学版),2023,51(9):1352-1361. |
| |
| 作者姓名： | 苏恩杰 叶飞 何乔 任超 李思翰 张宏权 |
| |
| 作者单位： | 1.长安大学 公路学院,陕西 西安 710064;2.贝尔福?蒙贝利亚技术大学 信息学院,贝尔福 90000;3.中铁十二局集团第一工程有限公司, 陕西 西安710038 |
| |
| 基金项目： | 国家自然科学基金（51678062,51878060）,中铁十二局科研开发项目 |
| |
| 摘 要： | 为了实现施工期盾构管片上浮过程的智能预测,采用动力水准仪对施工期盾构管片上浮过程进行自动化监测并建立了基于卷积神经网络?长短期记忆（CNN-LSTM）深度学习算法的管片上浮过程智能预测模型。结果表明：管片上浮阶段呈现出“阶梯状”,即管片上浮主要发生在盾构掘进期间,且掘进状态的上浮量最大,占峰值的75.24 %~98.29 %;CNN-LSTM模型对施工期盾构管片上浮过程具有较好的预测效果,在训练集上的均方误差MSE、平均绝对误差MAE和决定系数R2![]() ![]() 分别为0.038 7、0.148 2和0.999 3,在测试集上为0.030 7、0.138 9和0.801 9;相较于反向传播（BP）模型,CNN-LSTM模型在训练集与测试集上的性能均有所提升,且测试集的提升更明显,最高可达89.71 %。研究结果可为盾构管片上浮的现场实测及预防处治提供新思路。
|
| 关 键 词： | 盾构隧道 管片上浮 上浮过程 智能预测 自动监测 |
| 收稿时间： | 2023/6/30 0:00:00 |
Prediction Model of Shield Segment Floating Process During Construction Based on Convolutional Neural Networks and Long Short-Term Memory |
| |
| SU Enji,YE Fei,HE Qiao,REN Chao,LI Sihan,ZHANG Hongquan.Prediction Model of Shield Segment Floating Process During Construction Based on Convolutional Neural Networks and Long Short-Term Memory[J].Journal of Tongji University(Natural Science),2023,51(9):1352-1361. |
| |
| Authors: | SU Enji YE Fei HE Qiao REN Chao LI Sihan ZHANG Hongquan |
| |
| Abstract: | |
| |
| Keywords: | shield tunnel segment uplift floating process intelligent prediction automatic monitoring |
|
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 |
|
