典型文献
基于机器学习LSTM方法的大面积高填土沉降预测
文献摘要：
大面积高填土一般具有区域地质条件差异性大,工程参数取值变异性大的特点,传统的地面沉降预测方法和以有限元为代表的数值分析方法都难以保证大面积高填土长期沉降预测的准确性.因此,本研究引入机器学习的方法,采用长短时记忆(LSTM)网络建立了云南省巧家县移民安置用地大面积高填方沉降预测模型.基于65组监测点位的沉降监测据,前60％的实测沉降数据作为LSTM模型训练样本,预测后40％的沉降数据.结果表明,本文提出的LSTM模型预测值与实际测量值之间有着较好的一致性,85％的监测点预测误差在20％以内,证明了本文提出的LSTM模型能够应用于大面积高填方沉降预测.
文献关键词：
高填土;沉降预测;机器学习;长短时记忆网络
中图分类号：
作者姓名：
王启贵;吴忠明;陈兴红
作者机构：
浙江华东测绘与工程安全技术有限公司,杭州310014
文献出处：
引用格式：
[1]王启贵;吴忠明;陈兴红-.基于机器学习LSTM方法的大面积高填土沉降预测)[J].工程勘察,2022(08):41-45
A类：
B类：
基于机器学习,高填土,区域地质,地质条件,工程参数,参数取值,变异性,地面沉降预测,沉降预测方法,数值分析方法,长期沉降,巧家县,移民安置,地大,高填方,沉降预测模型,监测点位,沉降监测,实测沉降,沉降数据,模型训练,训练样本,测量值,点预测,预测误差,长短时记忆网络
AB值：
0.328421
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。
