摘要
本发明公开了一种深基坑开挖毗邻建筑物的沉降量时序预测方法及系统,其中方法包括:获取现场建筑物沉降的原始监测数据;对获取的原始监测数据进行数据预处理;构建循环神经网络;通过主成分分析确定模型输入输出参数;基于优化器对循环神经网络进行优化;基于优化结果进行超参数优选;利用优化后的循环神经网络进行沉降量时序预测;其中系统包括:数据获取模块、预处理模块、模型构建模块、分析模块、优化模块、参数优选模块、预测模块。本发明通过构建沉降预测模型,实现对建筑物在基坑各阶段开挖过程中沉降趋势的动态建模与精确预测;结合历史沉降监测数据与多层土体开挖信息,通过引入多源输入参数,增强了模型对复杂工况的适应能力。
技术关键词
时序预测方法
深基坑开挖
建筑物
超参数
混合神经网络模型
土体参数
数据获取模块
沉降监测数据
混合优化算法
可读存储介质
优化网络参数
成分分析
分析模块
终端设备
内摩擦角
网络优化
系统为您推荐了相关专利信息
储层孔隙度预测方法
测井曲线数据
超参数
异构特征
随机森林
LSTM模型
风电功率预测方法
粒子
风电功率预测装置
超参数
水资源优化配置
水量
控制系统
输水
水利工程建筑物