基于BO-Adam-Bi-LSTM的盾構下穿既有隧道變形預測及調控

摘要： 針對盾構隧道下穿施工誘發(fā)既有隧道變形和安全控制的問題，設計一種基于深度學習的既有隧道變形預測模型以捕捉變形發(fā)展規(guī)律。使用Adam算法優(yōu)化雙向長短期記憶網絡（Bi-LSTM），采用貝葉斯優(yōu)化（BO）調參，建立基于BO-Adam-Bi-LSTM的盾構下穿既有隧道變形預測模型，并與其他神經網絡模型的預測結果進行對比；利用SHAP提高模型的可解釋性，確定關鍵施工參數。結果表明：建立的B... （共9頁）