期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
数据不完备下基于CNN-GRU神经网络的地铁基坑变形预测方法研究
1
作者 周意 王章琼 +3 位作者 邹原耕 蔡永辉 徐晓雅 赵歧林 《城市轨道交通研究》 北大核心 2025年第6期32-36,53,共6页
[目的]为应对地铁基坑变形监测数据不完备导致的预测滞后和精度下降问题,提出一种基于CNN-GRU神经网络(卷积神经网络-门控循环单元神经网络)的基坑变形预测方法,并对此方法进行验证。[方法]利用基坑不完备变形监测数据和缺失监测点附近... [目的]为应对地铁基坑变形监测数据不完备导致的预测滞后和精度下降问题,提出一种基于CNN-GRU神经网络(卷积神经网络-门控循环单元神经网络)的基坑变形预测方法,并对此方法进行验证。[方法]利用基坑不完备变形监测数据和缺失监测点附近点位监测数据构建数据样本集,输入CNN模型中,完成缺失数据的填补修复,得到完整连续的基坑变形监测数据。利用小波分解提取变形监测数据中低频趋势分量和高频误差分量,利用GRU神经网络模型和ARMA(自回归滑动平均)模型分别对低频趋势分量和噪声分量进行预测,再将预测结果合并得到最终变形预测结果。结合南京某地铁车站基坑工程案例,对该方法的有效性进行了验证。[结果及结论]采用基于CNN-GRU神经网络的基坑变形预测方法对缺失率达到18.5%和10.1%的基坑变形数据修复后进行预测时,预测误差分别为1.9266%和1.2746%,预测精度分别提高了35%和6%,可以看出该方法的数据修复能力表现良好,数据修复可靠度较高。对比GA-BP神经网络预测方法和LSTM预测方法,该方法的预测精度提升了1倍以上,且较好解决了预测滞后的问题,预测精度能够满足实际工程需要。 展开更多
关键词 地铁 基坑变形预测方法 CNN-GRU神经网络 数据不完备
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部