基于 LSTM 深度学习模型的大跨度多孔框架桥顶进预测技术研究

吴英昊

（中铁二十四局集团有限公司北京分公司，北京 100163）

0 引言

框架桥在下穿铁路顶进时，往往会因为左右受力不均而出现轴线偏移的现象，若不及时纠偏，则极容易出现轴线偏移超限致使框架桥偏离顶推线路而出现工程质量事故和安全事故。而针对框架桥顶进时的纠偏措施，传统的方法是依据监测到的轴线偏差数据判别框架桥的顶进姿态走势，等到框架桥顶进轴线偏差达到预警数值之后，通过有针对性地调整顶力配置来实现纠偏［1］。这种纠偏行为由于经验性较强且需要发生较为明显的轴线偏移后才能被触发，可以被认作是“限值纠偏”。“限值纠偏”致使纠偏工作始终处于被动状态，得不到尽早开展，从而引起纠偏工作量的增加或是纠偏效果的不理想。

为解决“限值纠偏”所带来的纠偏行为不及时的问题，可采取的方法之一是加强顶进施工时对框架桥姿态的监测频次，尽可能获取更多的姿态偏差数据，通过加大对姿态偏差样本量的采集和分析来缩小对其的预测误差。但这种纠偏方式仍然会受到主观因素和经验因素的影响，对作业人员的综合素质要求较高。若作业人员主观太保守，则会增加作业难度，消耗过多顶力资源；反之则容易出现框架桥偏差超限的质量、安全事故。

基于以上问题，要尽可能消除纠偏措施中的人为干扰因素，可以引入机器学习的方法，即依据实时框架桥顶进姿态监控数据，得到顶进时间序列上的轴线偏差值，通过深度学习模型对轴线的偏差趋势进行预判，进而再触发纠偏行为。……