甘肃科学学报

2019, v.31;No.142(06) 117-122

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

LSTM网络在地铁隧道沉降预测中的应用研究
Study on the Application of LSTM Network in Subway Tunnel Subsidence Prediction

曾学宏;赵义花;

摘要(Abstract):

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。

关键词(KeyWords): BP神经网络;变形监测;循环神经网络;长短记忆网络

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 曾学宏;赵义花;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享