CNN-LSTM顶管顶力预测模型

预测误差大幅降低

卷积神经网络与长短期记忆网络结合，从几何与操作参数中提取特征并建模时序关系，显著提升矩形顶管隧道顶力的预测精度。

Yongsuo, Li · Xiaoxuan, Weng · 胡达 · Ze, Tan · Kai, Qi · Liu, Jing

Journal of Computing in Civil Engineering 2025

技术优势

误差更小

模型同时利用CNN提取特征和LSTM建模时序，能捕捉数据中的复杂相关性，预测顶力比传统方法更准。

可以直接用

模型接受几何和操作参数作为输入，与施工监测系统兼容，便于直接部署。

应用场景

• 顶管隧道施工：施工前准确预测顶力，避免顶进困难或管节损坏。
• 地下工程预测：用深度学习替代经验公式，提高复杂地下工程的预测可靠性。
• 深度学习工程应用：展示CNN-LSTM混合模型在工程时序预测中的有效性。