一种基于神经网络模型的深基坑变形预测方法

本发明属于深基坑变形预测技术领域，具体涉及一种基于神经网络模型的深基坑变形预测方法，首先，建立神经网络预测模型，其次，构建数据集，再次，进行模型初始化，然后，模型训练，最后，通过输出预测结果，其基于BiLSTM‑Attention组合神经网络算法，BiLSTM模块对输入的时间序列数据进行双向处理，并通过输入门、遗忘门和输出门来控制信息的流动，Attention模块为每个时间步的特征分配一个注意力权重，通过注意力权重对BiLSTM模块的输出特征进行加权求和，得到一个重点关注的特征表示，使得预测模型能够聚焦于对预测结果最有影响的部分时间序列特征，经过不断的训练，最终预测模型会根据输入的数据预测更精确的深基坑开挖变形结果。