基于深度殘差LSTM的盾構(gòu)姿態(tài)預(yù)測

摘要： 深度學(xué)習(xí)模型相比于常規(guī)機器學(xué)習(xí)模型能夠更準確地預(yù)測盾構(gòu)姿態(tài),但在增加網(wǎng)絡(luò)層數(shù)以提升性能時,常遇到網(wǎng)絡(luò)退化問題。為解決此問題,提出基于深度殘差LSTM的盾構(gòu)姿態(tài)預(yù)測方法。該方法將殘差連接融入長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò),提升深層網(wǎng)絡(luò)訓(xùn)練的可行性,并可以有效學(xué)習(xí)盾構(gòu)時序數(shù)據(jù)中的長期依賴關(guān)系,同時利用貝葉斯優(yōu)化算法進行超參數(shù)調(diào)優(yōu)。依托浙江某盾構(gòu)工程數(shù)據(jù)集對所提方法進行驗證,以盾尾水... （共9頁）