节点文献

LSTM网络在地铁隧道沉降预测中的应用研究

免费订阅

【作者】 曾学宏赵义花

【Author】 Zeng Xuehong;Zhao Yihua;Basic Surveying and Mapping Institute of Qinghai Province;Qinghai Geographic Information Industry Development Co.,Ltd.;

【机构】 青海省基础测绘院青海地理信息产业发展有限公司

【摘要】 为提高地铁隧道沉降预测的精度,研究长短记忆网络(LSTM网络)在地铁隧道沉降预测中的作用。分别利用反向神经网络(BP神经网络)和LSTM网络建立模型,结合2组地铁隧道实测数据,对模型的预测精度进行了比较和分析,试验结果表明LSTM网络优于BP神经网络并有较高的预测精度,与BP神经网络模型相比LSTM网络模型预测误差降低幅度可达35%,相对误差降低幅度可达42%,均方根误差值降低幅度为55%,预测的结果更接近实际测量结果。研究表明将深度学习的方法之一LSTM网络引入到地铁隧道沉降监测中,提高了预测精度。

【所属期刊栏目】 工程技术 (2019年06期)
  • 【DOI】10.16468/j.cnki.issn1004-0366.2019.06.021
  • 【分类号】TP183;U231.3
  • 【下载频次】42
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: