摘要
本发明提供了一种基于CNN‑BiLSTM‑ATTENTION的DCM桩抗压强度预测方法,适用于地基加固DCM桩施工领域;本发明的一种基于CNN‑BiLSTM‑ATTENTION的DCM桩抗压强度预测方法包括数据收集和预处理、特征提取、捕获数据时序依赖关系、引入注意力机制、模型评估与调整以及模型应用与维护;通过卷积神经网络提高了模型的特征提取能力,通过双向长短期记忆网络分别处理前向和后向的序列数据信息,获取更全面的上下文信息以应对DCM桩成桩过程中突遇岩石等障碍物时特殊处理后的抗压强度预测,并且通过注意力机制让模型专注于数据的重要特征部分,对长序列数据的处理更加高效,可广泛的应用于地基加固施工前的DCM桩抗压强度预测。
技术关键词
抗压强度预测方法
长短期记忆网络
时序依赖关系
引入注意力机制
卷积神经网络特征提取
数据
归一化方法
地基加固施工
双向长短期记忆
抗压强度值
特征提取能力
更新模型参数
样本
压缩特征
序列
训练集
矩阵
指标
系统为您推荐了相关专利信息
长短期记忆网络
近似动态规划
参数
控制策略
轨迹
容器
人工蜂群算法
长短期记忆网络
缓存方法
节点
存储设备故障
电子档案管理系统
风险评估报告
风险识别模型
案例推理技术
混合神经网络模型
状态预测方法
锂离子电池
功率
滑动窗口