一种基于深度学习的真空预压土体沉降预测和控制方法

本发明公开了一种基于深度学习的真空预压土体沉降预测和控制方法，旨在实现对土体沉降的精准预测与动态闭环控制。该方法采用编码器‑解码器架构构建模型框架，经多测点时空联合训练及组合优化策略完成专有模型的离线生成；通过采集目标监测点的多源数据，经处理生成适配模型的序列样本；为适配地质属性的时变特性，部署增量式在线学习机制，通过弹性权重固化微调模型参数；基于更新后模型的预测结果，由PID控制单元计算真空度调节量，驱动真空泵控制系统动态调整作业真空度，确保土体沉降处于合理范围。最终，本发明构建起高精度沉降预测与动态真空度调控的协同机制，显著提升沉降控制精度、响应速度及施工安全性。