基于CGA模型的盾构扭矩预测研究

作     者：刘映晶 卢敬科 陈城 刘维 LIU Yingjing;LU Jingke;CHEN Cheng;LIU Wei

作者机构：中天建设集团有限公司浙江杭州322199 苏州大学轨道交通学院江苏苏州215000 

出 版 物：《河北工程大学学报（自然科学版）》 (Journal of Hebei University of Engineering:Natural Science Edition)

年 卷 期：2024年第41卷第2期

页      面：51-58页

学科分类：081401[工学-岩土工程] 08[工学] 0814[工学-土木工程] 

基　　金：国家自然科学基金资助项目(51978430) 中天控股集团技术研发项目(ZTCG-GDJTYJS-JSKF-2021001) 

主　　题：盾构隧道 扭矩预测 深度学习 注意力机制 时空特征 

摘      要：以盾构近距离下穿既有车站结构为背景,提出了一种结合卷积神经网络(Convolutional Neural Networks, CNN)、门控制循环单元神经网络(Gated Recurrent Unit, GRU)和注意力机制(Attention)的新型盾构荷载预测模型。首先用CNN-Attention模型提取数据的高维空间特征并区分不同特征的重要性,然后通过GRU模型提取数据的时序特性,紧接着通过注意力机制提取出重要时间节点信息,最后得出预测的结果。为验证所提模型的预测效果,选取了4种现有的算法进行比较。结果表明所提出的模型在三种评价指标上均优于其他算法模型,同时该模型还可为盾构刀具磨损、地表及结构变形等方面的预测研究提供思路。