基于 BP 神经网络和 LSTM 网络模型的 软土地基沉降预测分析
Prediction Analysis of Soft Soil Foundation Settlement Based on BP Neural Network and LSTM Network Model
作者：
刘亚辉 LIU Yahui
广州港工程管理有限公司，广东 广州 510700
Guangzhou Port Engineering Management Co., Ltd., Guangzhou 510700, Guangdong, China
摘要
为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题，文章基于厦门某机场工程自动化监测项目，辅以人工监测进行对比，分析偏差的成因，同时利用神经网络 (back propagation, BP) 和长短期记忆网络 (long short-term memory, LSTM) 模型分别对典型区域表层沉降监测点的累计沉降量进行预测分析及精度对比，发现 LSTM 网络预测模型精度更高，整体预测效果优于 BP 神经网络模型，预测效果也更符合实际情况，能为计算工后沉降、评判处理效果、核实工程量等提供一定的参考依据。
关键词：自动化监测；软土地基沉降；BP 神经网络； LSTM 网络模型
Abstract
为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题，文章基于厦门某机场工程自动化监测项目，辅以人工监测进行对比，分析偏差的成因，同时利用神经网络 (back propagation, BP) 和长短期记忆网络 (long short-term memory, LSTM) 模型分别对典型区域表层沉降监测点的累计沉降量进行预测分析及精度对比，发现 LSTM 网络预测模型精度更高，整体预测效果优于 BP 神经网络模型，预测效果也更符合实际情况，能为计算工后沉降、评判处理效果、核实工程量等提供一定的参考依据。
Key words：自动化监测；软土地基沉降；BP 神经网络； LSTM 网络模型
参考文献 References
[1] 王延宁，佘健俊，周逸伦.基于BIM和IoT数据驱动的医院建筑智 慧运维管理系统开发研究[J].南京工业大学学报（自然科学版）， 2024，46（6）：686-695.
[2] 文武松，毛伟琦，陶世峰.新时代桥梁智能建造及智慧服务体系研 究[J].世界桥梁，2022，50（6）：122-127.
[3] 王楠，陈亚冬.基于数字孪生的城市轨道交通智慧运维应用[J].城 市轨道交通研究，2023，26（11）：194-202.
[4] 安镜如，潘盛山，闫东，等.基于BIM的海底隧道智慧运维管理研 究[J].建筑经济，2022，43（3）：47-52.
[5] 于秋波，倪国政，王志锐.城轨交通接触网安全在线监测系统[J].中 国铁路，2024（3）：50-56.
引用本文：
刊期
