基于LSTM网络模型的高速公路软基长期沉降预测

郑罗春

(湖南省交通科学研究院有限公司， 湖南 长沙 410015)

0 引言

基于以上讨论，本研究拟将高速公路路基长期沉降变形作为时间序列对待，并基于LSTM神经网络算法构建智能预测模型，进一步结合实际监测数据对所构建模型进行验证。

1 LSTM模型构建及数据集处理

1.1 LSTM模型构建

LSTM网络作为循环神经网络中一分支，其有效的拓扑结构设计可解决一般循环神经网络中易于出现的梯度爆炸或梯度消失等数值问题[11]。对于LSTM模型而言，其基本单元为遗忘门、输入门、输出门、记忆细胞状态以及隐藏单元，如图1所示。LSTM可以较好保存时间序列内部蕴藏的有效信息，并及时剔除无效信息，因而具有长短期记忆能力。

图1 LSTM网络模型结构

在LSTM模型中，其遗忘门可对输入信息进行筛选，并将适用信息保留进细胞状态中，其具体计算方式如式(1)所示：

ft=σ(Wfxt+Rfht-1+bf)

(1)

式中：Wf和Rf为遗忘门权重矩阵；bf为其偏置矩阵；xt则表示当前时刻t的输入值；ht-1则表示上一时刻t-1隐藏状态值；σ则表示Sigmoid函数，其计算方式如下：

(2)

it=σ(Wixt+Riht-1+bi)

兴建小型农田水利工程势必会占用大量土地甚至是农田，在一定程度上影响动植物生长环境，迫使陆生生物重新寻找栖息地，在寻找过程中可能导致动物的死亡，生活在原有栖息地的生物之间为了争夺有限的空间会引发争斗，导致生物链的破坏。工程施工过程中占用的土地，经过工业废料的排放导致土地硬化无法进行耕种减少了耕地面积。

(3)

(4)

式中:Wi、Ri、Wc和Rc分别输入门以及临时细胞状态权重矩阵；……