由于地下工程的特殊性，其在实际施工和后续运营期间存在着多种因素影响的极端复杂性，如工程应力、地基变形等衡量结构安全的指标多呈高随机性、高模糊性的特点，属于典型的非线性时间序列［1］。传统的沉降分析方法虽然具备一定的预测能力，但由于地下工程的不确定性和多因素耦合的复杂性，该方法多适用于特定环境，在实际工程中适用面很窄且结果不稳定，误差较大［2-3］。黄合理［4］采用Plaxis3D有限元软件对地铁车站沉降进行了数值模拟，并与经验法进行了对比，证明了采用理论法预测沉降具有可行性；贾剑等［5］对盾构隧道扩建地铁车站的地表沉降进行了预测分析，研究了不同工况下地表沉降的具体占比；孟丹等［6］基于Peck方法对地铁车站开挖引起的地表沉降进行了计算分析，通过反分析方法得到了我国城市隧道开挖引起的地表移动参数；许文［7］系统地分析了砂层区域运营收稿日期：2023-03-20作者简介：刘俭，男，工程师，学士，主要研究方向为隧道与地下工程。引文格式：刘俭.基于LSTM神经网络的地铁车站改造沉降时间序列预测［J］.市政技术，2023，41（5）：143-148.（LIUJ.TimeseriespredictionofsubwaystationreconstructionsettlementbasedonLSTMneuralnetwork［J］.Journalofmunicipaltechnology，2023，41（5）：143-148.）文章编号：1009-7767（2023）05-0143-06第41卷第5期2023年5月Vol.41，No.5May2023DOI:10.19922/j.1009-7767.2023.05.143JournalofMunicipalTechnology基于LSTM神经网络的地铁车站改造沉降时间序列预测刘俭（中铁十八局集团第四工程有限公司，天津300000）摘要：为了预测地铁车站改造施工过程中出入口站厅的沉降，提出了采用LSTM神经网络预测沉降的方法。依托北京市西土城地铁车站改造工程，对该车站改造过程中的建筑物沉降值进行了预测，并结合实测值利用LSTM神经网络对沉降趋势进行了回归分析。研究结果表明：采用LSTM神经网络进行沉降预测有着一定的合理性，其可以较好地捕捉沉降变化的趋势，该模型的预测值与实测值误差在10%以内，具有很好的应用价值。关键词：LSTM；神经网络；非线性时间序列；沉降预测中图分类号：U457；TU196.2文献标志码：ATimeSeriesPredictionofSubwayStationReconstructionSettlementBasedonLSTMNeuralNetworkLiuJian（TheFourthEngineeringCo.，Ltd.ofChinaRailway18thBureauGroup，Tianjin300000，China）Abstract：Inordertopredictthesettlementoftheentranceandexithallsduringthere...
