一种基于神经网络与粗糙集分类的深基坑变形预测方法及系统

本发明涉及基坑检测技术领域，且公开了一种基于神经网络与粗糙集分类的深基坑变形预测方法及系统，包括以下步骤：数据采集与预处理；基于粗糙集理论的属性约简；基于改进的注意力机制循环神经网络(A‑RNN)的模型构建与训练；可信度验证与动态反馈调整；输出结果与预警响应。该发明通过集成位移、土压力、地下水位、支护应力等多参数监测数据，全面捕捉深基坑变形的驱动因素，减少单一传感器数据偏差导致的误判，双向LSTM与注意力机制的结合，有效捕捉时序数据中的长期依赖和关键时间点的局部特征，显著提升变形预测的准确性。