基于长短期记忆神经网络的复合地层盾构姿态控制研究

盾构机姿态的控制效果是影响盾构隧道施工质量的关键因素。目前，一些隧道仍然采用传统的几何方法来预测盾构姿态偏差的变化，未能考虑其他因素的影响。针对盾构姿态控制方法的不足，文章改进了一种基于深度学习模型的盾构姿态预测方法。该方法融合了邻近插值法、最大-最小归一化和长短期记忆神经网络等理论，对盾首水平偏差进行序列预测，从而提前判断盾构机姿态变化的趋势，以便及时作出正确调整。利用位于复合地层中的某地铁隧道盾构段的工程实测数据，对该深度学习模型进行验证。结果表明，该模型在对盾构姿态参数的变化趋势和数值精确预测上都具有可行性，可供类似工程参考利用。