基于融合注意力机制BP神经网络的深基坑变形预测方法
张明聚1
秦胜旺1
李鹏飞1
葛辰贺1
杨萌2
谢治天3
1.北京工业大学 城市与工程安全减灾省部共建教育部重点实验室,北京 1001242.中建二局第三建筑工程有限公司,北京 1000703.北京工业大学 城市与工程安全减灾省部共建教育部重点实验室,北京 100124;北京市市政工程研究院,北京 100037
摘要：针对单一反向传播(Back Propagation,BP)神经网络预测基坑开挖变形时泛化性差及容易出现局部最优解的问题,分别采用遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)进行优化,并融合注意力机制(Attention)组合成GA-Attention-BP和PSO-Attention-BP神经网络模型.依托南京双子座基坑工程,采用PLAXIS 2D模拟了680组不同工况下围护结构及地表的变形特征,并结合20组南京地区基坑实测监测数据作为数据集,以均方误差(Mean Squared Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)和决定系数(R-Square,R2)作为评价指标,将不同神经网络的预测值和实际监测值进行对比.研究结果表明:GA-Attention-BP和PSO-Attention-BP的MSE分别为3.47和3.22,MAE分别为1.59和1.47,R2分别为0.93和0.96,较BP和Attention-BP神经网络有较大的性能提升,预测效果较好;基于注意力机制的权重分配结果表明,基坑深度和地下连续墙的宽度对围护结构变形的影响最为显著,其权重系数分别高达1.33和1.17.
关键词：深基坑工程数值模拟注意力机制反向传播遗传算法粒子群算法
分类号：U45(隧道工程)
论文发表日期：2025-04-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 95-104 )
英文信息