基于神经网络算法的深基坑地连墙变形动态预测

深基坑工程的施工变形在软土地区表现出明显的时间特性,其变形监测数据可以看作一种非线性的时间序列。以苏州轨道交通某地铁车站深基坑工程为背景,分别采用BP(Back Propagation)神经网络和LSTM(Long Short Term Memory)深度网络对地连墙变形建立了动态预测模型,并通过10折交叉验证法来检验预测模型的稳定性。结果表明:在输入历史信息数量和预测天数不同的预测任务中,考虑更多的历史变形数据不仅可以提高模型的稳定性还可以减小预测误差,而预测步长的增大对预测精度有明显的不利影响; LSTM相比BP表现出了更高的预测精度以及更好的泛化能力,更适用于地连墙变形的动态预测问题,并可为施工现场实现信息化管理提供参考。