基于深度學習的隧道襯砌多源響應概率預測方法

打開文本圖片集

摘 要：隧道結構在施工及運營期間，受諸多復雜因素的共同作用，其受力狀態(tài)與變形特性會隨時間逐漸演變。為此，提出一種融合注意力機制的深度學習概率模型，旨在精準預測與評估隧道襯砌結構中關鍵不利位置的安全狀態(tài)。首先，采用斯皮爾曼秩相關系數(shù)進行數(shù)據(jù)預處理，篩選出與襯砌結構最不利位置高度相關的土壓力數(shù)據(jù)和混凝土應變數(shù)據(jù)作為輸入特征；隨后，設計多層卷積神經(jīng)網(wǎng)絡（CNN）進行多源數(shù)據(jù)特征提取，并構建特征共享層以融合不同位置的數(shù)據(jù)信息；接著，將提取的特征送入長短期記憶網(wǎng)絡（LSTM）進行時間序列分析預測，并引入自注意力（Attention）機制對特征進行加權優(yōu)化，從而進一步提高預測的精確度；最后，建立高斯概率回歸模型，以解決結構響應預測誤差所引起的安全系數(shù)計算不確定性量化和評價問題。（剩余15511字）