来源：期刊VIP网 时间：
作者：樊成;彭彦力;赵杰;程树凯;樊一江;
单位：大连大学建筑工程学院;河南科技大学土木建筑学院;
摘要：随着中国城市化程度的不断增加，对深基坑变形进行监测与预测变得愈发必要。提出一种以时序监测数据为输入的卷积神经网络-长短期记忆神经网络-自注意力机制(CNN-LSTM-SAM)组合神经网络模型。针对大连东港商务区某内支撑深基坑工程，结合分布式光纤传感(DFOS)技术，利用CNN-LSTM-SAM模型对桩顶水平位移进行预测，将得到的变形预测值与反向传播神经网络(BP)、长短期记忆神经网络(LSTM)和卷积神经网络-长短期记忆神经网络(CNN-LSTM)模型的预测结果进行对比分析。结果表明：CNN-LSTM-SAM模型相比其他3种模型具有更高的准确性。再选取其他监测点的监测数据进行训练及预测，从而更深入地验证模型的预测效果，证明了CNN-LSTM-SAM模型的适用性和鲁棒性。研究成果可为类似深基坑工程设计和施工提供参考。
关键词：卷积神经网络;;长短期记忆神经网络;;自注意力机制;;变形预测;;分布式光纤
基金资助：国家自然科学基金项目(51738010);; 大连市科技创新基金计划项目(2021JJ13SN83)
