基于LSTM法的高速公路边坡稳定性研究

作者：李勃

来源：河北工业科技, 2021, 38(02): 142-147.

• 岩土力学
• 高速公路工程
• 边坡稳定性
• 深度学习
• LSTM理论
• 预测

为了准确分析高速公路边坡性状,确保路基的稳定性,结合高速公路边坡环境特征,以边坡监测数据为基础,利用长短期记忆人工神经网络(LSTM)方法建立了高速公路边坡稳定性预测模型。以影响边坡稳定性的边坡质量系数、边坡结构系数、坡高系数、坡角系数、工程因素等因素为评估依据,采用降噪补缺、数据变换等方法处理LSTM前端数据,利用LSTM方法计算高速公路边坡稳定系数,与递归神经网络(RNN)方法进行比较。结果表明,高速公路边坡预测稳定系数为1.69,边坡安全稳定性良好,且符合实际。新方法的最大相对误差为1.60%,绝对MAPE仅为1.80%,较传统RNN方法预测更加精准。所得结论验证了深度学习在边坡稳定性预测评估过程中的有效性,对深入研究公路边坡稳定性具有借鉴价值。