典型文献
基于Bi-LSTM的非等时距路基工后沉降滚动预测
文献摘要：
为了实现路基工后沉降的早期、精准预测,提出基于双向长短期记忆网络(Bi-LSTM)的路基沉降预测技术.采用Akima法将观测数据内插为适应时序分析法的等时距序列,提取"填土高度-时间-地基沉降"曲线中的6个影响因素作为变量训练Bi-LSTM模型,结合滚动迭代方法实现沉降预测的后延更新.研究表明,利用深度学习技术可以有效地利用路基施工期信息,增加训练样本量,提升沉降早期预测的可靠性.Bi-LSTM模型对观测信息进行双向特征提取,同等样本量下的预测效果更精确.依托6个中等压缩性土地基和1个复合地基监测断面信息,仅利用路堤填筑期及工后3个月数据,沉降预测的均方根误差(RMSE)和平均绝对百分误差(MAPE)平均值可以控制为1.19 mm、1.04％.
文献关键词：
双向长短期记忆网络(Bi-LSTM);路基工后沉降;非等时距序列;滚动预测;施工填筑信息
中图分类号：
作者姓名：
陈伟航;罗强;王腾飞;蒋良潍;张良
作者机构：
西南交通大学 土木工程学院,四川 成都 610031;高速铁路线路工程教育部重点实验室,四川 成都 610031
文献出处：
引用格式：
[1]陈伟航;罗强;王腾飞;蒋良潍;张良-.基于Bi-LSTM的非等时距路基工后沉降滚动预测)[J].浙江大学学报（工学版）,2022(04):683-691
A类：
非等时距序列,施工填筑信息
B类：
Bi,路基工后沉降,滚动预测,精准预测,双向长短期记忆网络,路基沉降预测,预测技术,Akima,观测数据,数据内插,时序分析法,填土高度,地基沉降,迭代方法,深度学习技术,路基施工,施工期,加训,训练样本,样本量,升沉,早期预测,观测信息,等压,压缩性,复合地基,地基监测,监测断面,路堤填筑,填筑期,RMSE,MAPE
AB值：
0.30787
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
