深度学习在实测沉降数据预处理中的应用研究

作者：胡安峰; 李唐^*; 陈缘; 葛红斌; 李怡君

来源：湖南大学学报(自然科学版), 2021, 48(09): 43-51.

DOI：10.16339/j.cnki.hdxbzkb.2021.09.005

• 长短期记忆网络
• 深度学习
• 序列到序列模型
• 沉降预测
• 沉降数据预处理

基于深度学习中的长短期记忆网络LSTM,通过搭建Seq2Seq模型,提出了可对实测沉降数据进行预处理的新方法. Seq2Seq可通过观测大量有效的测点数据来自动学习沉降发展规律,并在训练完成后能对异常测点沉降进行重新计算,可有效避免异常数据对后续沉降预测的干扰.以某机场多个区域的实测沉降数据为背景,通过将Seq2Seq模型重计算出的沉降值与实测值对比,验证了该模型的可靠性.结合超参数与数据集等参数分析,研究了提升模型学习能力的影响因素.研究结果表明:在训练集选取40个测点、测试集选取15个的条件下,模型重计算值与实测值全过程平均误差3 cm.增大训练集与数据特征,且减小训练集与测试集之间的偏差时,模型的精度提升明显,误差缩小到2 cm.

• 单位
  浙江大学