来源：期刊VIP网 时间：
作者：周建国;裴起;柏文锋;罗海涛;
单位：湖北工业大学土木建筑与环境学院;广州地铁设计研究院股份有限公司;
摘要：针对现有地铁隧道结构变形预测模型长时序特征捕获能力不足的问题，提出了一种结合时间卷积网络(TCN)和长短时记忆网络(LSTM)的地铁隧道结构变形预测模型。以样本熵为分量判断指标进行数据去噪作为预测建模的基础；TCN以填充间隔的方式进行卷积运算以捕获序列的长时序特征，接着将捕获的特征输入至LSTM并通过其门记忆机制提取关键信息；传输至全连接层进行映射实现对数据的预测。此外使用麻雀搜索算法(SSA)进行模型关键参数的寻优。结果表明，样本熵法能更好地判别变形序列的噪声分量。对比典型模型的预测表现，TCN-LSTM的RMSE和MAE指标值至少降低了17.63%和18.52%。显示出该模型相对于典型的预测模型具有优势，可提高地铁隧道结构变形预测的精度。
关键词：地铁隧道;;结构变形;;时间卷积网络;;长短期记忆网络;;麻雀搜索算法
基金资助：国家重点研发计划课题项目(2022YFC3005202)
