来源：期刊VIP网 时间：
作者：张峰;肖绪文;钟国兴;李成虎;陈志恒;朱彤;
单位：中建海峡建设发展有限公司院士工作站;同济大学土木工程学院;福州地铁六号线东调段有限公司;中国建筑股份有限公司;
摘要：随着城市化进程的推进，深基坑工程的变形控制变得越来越重要，在数值计算中基坑围护桩水平侧移的计算精度很大程度上取决于HSS本构模型变形参数的选取。以福州某基坑为例，在保持变形参数之间比例不变的情况下，引入变形参数统一修正系数，通过有限元分析，得到不同变形参数组合与对应的围护桩水平侧移数据集，采用卷积神经网络(CNN)提取水平侧移的局部空间特征，结合长短期记忆网络(LSTM)捕捉其跨时间步的长期与短期依赖关系，在此基础上，建立CNN-LSTM反演模型。结果表明：CNN-LSTM反演模型在验证集上的平均绝对百分比误差MAPE、决定系数R~2和均方根误差RMSE分别为2.15%、0.99%和1.36%,计算精度较高；融合前2个开挖阶段监测数据反演的变形参数，得到的围护桩水平侧移预测值为实测值的0.85～1.25倍，淤泥质土、粉质黏土层变形参数统一修正系数分别为0.727和1.200,计算精度明显优于基于单阶段数据的结果；再引入第3阶段数据后，预测精度仅提高约3%。提出的CNN-LSTM模型可以准确捕捉围护桩水平侧移数据的关键局部特征及长短期依赖关系，对实时监测数据进行深度解析，进而用于优化HSS本构模型中的变形参数，从而有效提高基坑开挖过程中围护桩水平侧移的预测精度。
关键词：深基坑工程;;HSS本构模型;;卷积神经网络;;长短期记忆;;参数反演
基金资助：国家自然科学基金项目(52208402)
