深度学习和分布式光纤传感在基坑变形监测和预测中的应用
樊成1
彭彦力1
赵杰1
程树凯2
樊一江1
1.大连大学建筑工程学院,辽宁大连 1160002.河南科技大学土木建筑学院,河南洛阳 471023
摘要：随着中国城市化程度的不断增加,对深基坑变形进行监测与预测变得愈发必要.提出一种以时序监测数据为输入的卷积神经网络-长短期记忆神经网络-自注意力机制(CNN-LSTM-SAM)组合神经网络模型.针对大连东港商务区某内支撑深基坑工程,结合分布式光纤传感(DFOS)技术,利用CNN-LSTM-SAM模型对桩顶水平位移进行预测,将得到的变形预测值与反向传播神经网络(BP)、长短期记忆神经网络(LSTM)和卷积神经网络-长短期记忆神经网络(CNN-LSTM)模型的预测结果进行对比分析.结果表明:CNN-LSTM-SAM模型相比其他3种模型具有更高的准确性.再选取其他监测点的监测数据进行训练及预测,从而更深入地验证模型的预测效果,证明了CNN-LSTM-SAM模型的适用性和鲁棒性.研究成果可为类似深基坑工程设计和施工提供参考.
关键词：卷积神经网络长短期记忆神经网络自注意力机制变形预测分布式光纤
分类号：TU473(土力学、地基基础工程)
资助基金：国家自然科学基金(51738010)大连市科技创新基金计划项目(2021JJ13SN83)
论文发表日期：2025-06-25
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：12( 79-90 )
英文信息