摘要：隧道建设过程中结构下沉会给内力、变形、防水以及正常运营等带来不良影响，当前对盾构隧道施工引起的下沉主要关注地表沉降，而对拱顶下沉研究相对较少。鉴于神经网络在预测中的强大能力，构建了软土区盾构隧道拱顶下沉的实时动态变形预测的BP神经网络模型，进一步基于粒子群算法（PSO）对BP神经网络进行优化；最后以吴兴至临安公路南浔隧道段为工程实例，采用BP神经网络拱顶下沉预测模型进行预测，与实测数据对比发现BP神经网络在测试集上表现出色；通过粒子群算法优化后的BP神经网络预测结果表现优于优化前模型，PSO-BP模型的误差更小，且预测结果更为稳定。以上预测模型及预测数据可为工程应用提供辅助，减少实测次数，预测隧道拱顶下沉的后期发展。
文章目录
0引言
1 工程概况及监测数据
2 沉降预测神经网络模型算法设计
2.1 软件Matlab一般搭建流程和结果评价方法
2.2 BP神经网络模型构建、参数设置和预测结果
2.3 LSTM神经网络模型构建、参数设置和预测结果
2.4 CNN神经网络模型构建、参数设置和预测结果
2.5 比选结果
3 拱顶下沉预测神经网络模型设计及优化
3.1 基于粒子群算法的BP神经网络优化原理
3.2 PSO-BP模型构建
3.3 BP神经网络预测结果
3.4 PSO-BP神经网络预测结果
4 BP模型和PSO-BP模型预测结果对比分析
5 总结
