基于Python语言和Keras框架,利用ARIMA模型对地铁基坑桩顶水平位移数据展开二阶差分自回归移动平均研究。联合记忆神经网络LSTM,加入指数衰减学习率算法以及早停止策略,提出优化ARIMA-LSTM组合模型,将其应用于某地铁基坑形变预测中,在与多层感知器MLP、GM(1,1)、LSTM模型及原始数据对比中发现:组合模型对此类工程数据的适应性更强,与原始序列的契合度更高。
科研之友
微信
新浪微博
Facebook
分享链接
