买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中交四航工程研究院有限公司;中交第四航务工程局有限公司

摘要：本发明提供了一种基于长短期记忆网络的DCM桩抗压强度预测方法，适用于地基加固DCM桩施工领域；本发明的一种基于长短期记忆网络的DCM桩抗压强度预测方法包括数据收集和预处理、特征选择、构建长短期记忆网络模型、长短期记忆网络模型训练、模型优化与调整以及模型应用与维护；记录施工过程中各项实时数据，然后引入长短期记忆网络模型，根据长短期记忆网络模型保留前后数据依赖关系的特性，从而可以根据特殊土层条件下的实时数据更准确的预测出DCM桩的抗压强度，可广泛应用于地基加固时DCM桩的抗压强度预测。

主权项：1.一种基于长短期记忆网络的DCM桩抗压强度预测方法，其特征在于，所述方法包括以下步骤：S101，数据收集和预处理；所述数据收集和预处理，包括在施工过程中通过土工试验收集各土层土壤类型有关的有机质含量、塑性指数、剪切强度数据以及通过DCM桩配备的数据采集系统采集与DCM桩施工流程有关的实时搅拌速度、实时搅拌深度、实时贯入速度、实时喷水流量、实时喷浆流量和固化时间，还包括通过各土层取芯抗压试验获取DCM桩的抗压强度值，然后剔除数据集中不符合常态和错误记录的观测值，将不同来源和格式的数据转换为一致的格式，将所有数据按比例缩放至同一范围0到1之间，消除量纲影响，并将每一组数据作为一个样本，将n个样本组成的样本集随机取样本总量的10％的样本作为测试集，样本总量的10％含有小数时向下取整，不足1个时按1个取，其余作为训练集，将测试集和训练集作为一组数据集，然后再次按上述规则随机选取样本将样本集分为测试集和训练集，并组成新的数据集，若新的数据集与已有数据集相同，则重新划分样本集并组成新的数据集，直至有m组数据集；S102，特征选择；所述特征选择，使用皮尔逊相关系数分析方法选择与DCM桩抗压强度相关性较强的数据作为特征变量，经筛选后所述相关性较强的数据包括各土层有机质含量、塑性指数、剪切强度、实时搅拌速度、实时搅拌深度、实时贯入速度、实时喷水流量、实时喷浆流量和固化时间；S103，构建长短期记忆网络模型；所述构建长短期记忆网络模型，包括明确模型的输入为各特征变量数据，输出为预测的DCM桩抗压强度值，确定长短期记忆网络架构层数和每层神经元数量，在长短期记忆网络层之后加入全连接层以整合信息，并通过输出层产生最终预测值；S104、长短期记忆网络模型训练；所述长短期记忆网络模型训练，包含选择Sigmoid激活函数应用于长短期记忆网络模型中的遗忘门1、输入门2和输出门4，选择tanh激活函数应用于候选细胞3，然后更新细胞状态5，得到细胞输出6，选择均方误差作为损失函数、选择Adam优化器、设定初始的训练周期数N、使用Xavier初始化方法初始化权重和偏置，然后结合K折交叉验证评估方法训练长短期记忆网络模型；ft＝σwf[ht-1,xt]+bf1it＝σwi[ht-1,xt]+bi2C′t＝tanhwc[ht-1,xt]+bc3Ot＝σWo[ht-1,xt]+bo4 式中，ft为遗忘门当前时间步的遗忘向量，σ为Sigmoid激活函数，wf为遗忘门的权重矩阵，ht-1为上一时间步隐藏状态，xt为当前时间步输入，bf为遗忘门的偏置，it为输入门当前时间步的输入权重向量，wi为输入门的权重矩阵，bi为输入门的偏置，C't为候选细胞状态，wc为候选细胞状态的权重矩阵，bc为候选细胞状态的偏置，Ot为输出门当前时间步的输出权重向量，wo为输出门的权重矩阵，bo为输出门的偏置，Ct为当前时间步的细胞状态，Ct-1为上一时间步的细胞状态，ht为当前时间步隐藏状态，表示逐元素相乘，表示逐元素相加；S105、模型优化与调整；所述模型优化与调整，包括基于m组数据集结合K折交叉验证所评估的平均性能指标，选择最优的超参数配置，当模型出现过拟合现象时，增加正则化项限制模型复杂度，当模型出现欠拟合现象时，增加长短期记忆网络架构层数和每层神经元数量；S106，模型应用与维护；所述模型应用与维护，包括将训练好的模型嵌入到施工管理系统中，实现实时数据输入与抗压强度预测，定期评估模型的预测效果，将预测值与实际值对比，确保模型有效，当模型预测值与实际值偏差较大时，对模型进行再次训练。

全文数据：

权利要求：

百度查询： 中交四航工程研究院有限公司 中交第四航务工程局有限公司 一种基于长短期记忆网络的DCM桩抗压强度预测方法