龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中铁二十一局集团有限公司;中铁二十一局集团第五工程有限公司
申请日：2024-01-23
公开（公告）日：2024-05-14
公开（公告）号：CN118031899A
主分类号：G01C5/00
分类号：G01C5/00;G06N3/045;G06N3/0442;G06N3/082;E02D1/00;E01B2/00
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.31#实质审查的生效;2024.05.14#公开
摘要：本发明提出了一种基于深度学习的多因素路基沉降预测方法，基于注意力机制优化的多因素双向长短时记忆神经网络模型AM‑BI‑LSTM，对高速铁路路基进行多因素路基工后沉降预测，通过AM对BI‑LSTM模型输出值进行权重计算，通过分配环境和岩土工程性质对路基工后沉降的关注度，提高路基工后沉降的精度，为高速铁路路基沉降评估提供更为准确的数据，同时提升了路基工后沉降的评估效率。
主权项：1.一种基于深度学习的多因素路基沉降预测方法，其特征在于，包括以下步骤：S1.建立路基沉降观测系统；所述路基沉降观测系统包括静力水准仪、水分计、温度计、数据传输系统和供电系统，所述静力水准仪用于获取地基和路基面沉降数据，所述水分计用于获取地基内部土体含水率，所述温度计用于获取路基附近的环境温度；S2.采集数据，并对数据进行前处理；S3.采用深度学习机器建立多因素AM-BI-LSTM模型；S4.根据多因素AM-BI-LSTM模型定义输入数据集，划分训练数据集和测试数据集；S5.数据分割：设定窗口分割长度Lc；S6.模型调参；将数据集导入多因素AM-BI-LSTM模型，开展模型训练，训练过程以均方根误差RMSE最小为优化目标，应用Adam优化算法更新权重，直到RMSE最小；S7.滚动预测；S8.选取评价指标，判别预测值与实测值的偏离程度。
全文数据：
权利要求：
百度查询： 中铁二十一局集团有限公司;中铁二十一局集团第五工程有限公司 一种基于深度学习的多因素路基沉降预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号