基于时空特征的隧道拱顶沉降预测研究
刘健1
孙兴凯1
陈广库1
李尚宣2
贾鹏蛟2
陈城3
1.中铁十八局集团第一工程有限公司,河北 保定 0727502.苏州大学 轨道交通学院,江苏 苏州 2150063.苏州城市学院 智能制造与智慧交通学院,江苏 苏州 215104
摘要：针对隧道拱顶沉降问题,基于深圳某暗挖隧道工程,提出一种结合卷积神经网络(CNN)、时间卷积神经网络(TCN)和注意力机制(Attention Mechanism)的新型拱顶沉降预测模型(CTA).首先,用CNN模型提取数据的空间特征,以挖掘不同特征对沉降的影响;然后,利用TCN模型捕捉沉降数据的时序特性,提升模型计算效率;最后,利用注意力机制捕捉重要时间节点信息,得出预测结果.CTA模型得到的MAE、RMSE值最小、R2 值最大的结果表明CTA模型的预测效果最优,可以准确预测隧道拱顶沉降.
关键词：暗挖隧道拱顶沉降深度学习注意力机制时空特征
分类号：TU472(土力学、地基基础工程)
资助基金：国家自然科学基金(52108380)
论文发表日期：2024-12-30
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：7( 11-17 )
英文信息