基于LSTM的盾构掘进轨迹预测研究

作者：佟雨泉

来源：建筑安全, 2021, 36(08): 13-16.

• 长短期记忆
• 盾构隧道
• 掘进轨迹
• 预测模型

盾构隧道建设过程中需要对盾构机的行进轨迹进行控制,使得盾构实际掘进线路与隧道设计轴线相吻合。文章利用长短期记忆循环神经网络(LSTM)处理时间序列数据的优势,提出了一种盾构机掘进轨迹预测模型。模型利用LSTM层代替传统神经网络中的隐含层,综合考虑了盾构操作参数、地质参数以及几何参数对盾构掘进轨迹误差的影响。结果显示模型输出与实际测量值较为吻合,绝对误差总体上位于4 mm之内,表明所提出的LSTM神经网络模型可以有效地对盾构行进路线进行预测。