基于BP神经网络和LSTM网络模型的软土地基沉降预测分析.pdfVIP

工程前沿2025年第02期总第178期工程技术研究

DOI:10.19537/j.cnki.2096-2789.2025.02.006.

基于BP神经网络和LSTM网络模型的

软土地基沉降预测分析

PredictionAnalysisofSoftSoilFoundationSettlementBasedonBPNeuralNetworkandLSTM

NetworkModel

刘亚辉

LIUYahui

广州港工程管理有限公司，广东广州510700

GuangzhouPortEngineeringManagementCo.,Ltd.,Guangzhou510700,Guangdong,China

摘要：为探究厦门某机场工程中软土地基大面积堆载treatmenteffectandverifyingengineeringquantity.

造成的地表沉降问题，文章基于厦门某机场工程自动Keywords:automaticmonitoring;softsoilfoundation

化监测项目，辅以人工监测进行对比，分析偏差的成因，settlement;BPneuralnetwork;LSTMnetworkmodel

同时利用神经网络（backpropagation,BP）和长短期记分类号：TU447；TU433

忆网络（longshort-termmemory,LSTM）模型分别对

典型区域表层沉降监测点的累计沉降量进行预测分析

厦门沿海地区大面积软土地基处理常采用塑料排

及精度对比，发现LSTM网络预测模型精度更高，整

体预测效果优于BP神经网络模型，预测效果也更符水板堆载预压的方法，监测以传统的水准测量为主，

合实际情况，能为计算工后沉降、评判处理效果、核无法实时反映地表沉降情况，这就需要大力推广自动

实工程量等提供一定的参考依据。化监测技术，以提高监测工作的效率和预判的准确度。

关键词：自动化监测；软土地基沉降；BP神经网络；文章基于厦门某机场工程大规模自动化监测项目，辅

LSTM网络模型以人工监测数据进行对比校核，分析偏差的成因，同

Abstract:Inordertoexplorethesurfacesettlementcaused时使用BP神经网络和LSTM网络模型分别对典型区

bylarge-scalestackingofsoftsoilfoundationinan域表层沉降监测点的累计沉降量进行预测分析，判断

airportprojectinXiamen,basedonanairportengineering哪种模型的预测效果更符合实际情况，以期为计算工

automaticmonitoringprojectinXiamen,supplemented

后沉降、评判处理效果、核实工程量等提供准确的参

bymanualmonitoringforcomparison,thispaperanalyzes

考依据。

thecausesofdeviation.Atthesametime,theBack

Propagation(BP)andLongShort-TermMemory(LSTM)

1工程概况

model