论文部分内容阅读
为了更准确地预测基坑工程领域的复杂时间序列,提出一种以多个监测点的监测数据构成的多维时间序列作为输入的CNN-LSTM的组合神经网络模型。首先采用卷积神经网络（CNN）对输入的监测数据进行空间特征提取,输出多个由空间特征构成的时间序列,利用长短期记忆神经网络（LSTM）对空间特征序列进行学习,预测未来的特征值,最后通过全连接层整合空间特征,输出预测的监测值。在此基础上,基于上海云岭竖井超深基坑的现场地表沉降监测数据进行工程案例验证,结果表明考虑时空关联性的组合模型精度高于仅考虑时间关联性的单一LSTM模型。