基于Bayes和LSTM神经网络模型的基坑变形值预测研究

曹玉江

(中铁十八局集团市政工程有限公司，天津 300222)

摘　要：　为了提高基坑变形预测的准确性和可靠性，提出了一种基于贝叶斯方法(Bayes)和长短期记忆(Long Short-Term Memory，LSTM)神经网络的复合模型，并结合杭州市文一西路改造工程现场监测数据，比较了Bayes-LSTM模型与其他预测模型在大跨度基坑上方的地表沉降与水平位移数据预测误差。研究结果表明：与LSTM模型和支持向量机(SVM)模型相比，Bayes-LSTM模型对基坑上方地表沉降的预测精度分别提高了1.0和1.26，证明了Bayes-LSTM模型在地表沉降预测方面表现出较高的预测精度和泛化能力。该研究成果可为大跨度基坑施工安全管理提供决策与支持。

关键词：　基坑沉降; 贝叶斯网络; LSTM神经网络; 预测模型

引文格式： 曹玉江. 基于Bayes和LSTM神经网络模型的基坑变形值预测研究[J]. 市政技术，2024，42(11)：119-126. (CAO Y J. Research on prediction of deformation value of the foundation pit based on Bayesian and LSTM neural network models[J]. Journal of municipal technology，2024， 42(11)：119-126.)