Volume 3,Issue 7
Fall 2025
基于人工智能算法的基坑变形预测模型构建与工程验证
本文聚焦基坑变形预测，对比了传统方法与人工智能算法，阐述了基于人工智能算法的模型构建，经工程验证其预测性能良好。但实际应用中存在数据获取、模型复杂度、模型适应性等问题，分别提出多源数据融合、模型简化与算法优化、增加训练数据多样性及调整模型结构等解决策略。研究表明，人工智能算法与工程实际深度融合可有效提升基坑变形预测水平，但仍需不断改进以适应复杂工程需求。
[1] 程秋实.深圳市某深基坑施工变形监测与预测研究[D].吉林大学,2022.DOI:10.27162/d.cnki.gjlin.2022.004879.
[2] 张转林.复杂环境下地铁车站深大基坑变形预测方法研究[J].现代城市轨道交通,2022,(12):48-52.DOI:10.20151/j.cnki.1672-7533.2022.12.009.
[3] 孙钧,温海洋.人工智能科学在软土地下工程施工变形预测与控制中的应用实践——理论基础、方法实施、精细化智能管理(示例)[J].隧道建设(中英文),2020,40(01):1-8.
[4] 王飞.基于影响因素筛选的基坑变形组合预测研究[J].水利水电技术(中英文),2021,52(02):127-133.DOI:10.13928/j.cnki.wrahe.2021.02.014.
[5] 马琳.基于ICEEMD-ICA准则进行数据处理的基坑变形组合预测研究[J].地质与勘探,2023,59(05):1074-1082.
[6] 薛艳杰.基于机器学习算法的土岩复合地层深基坑变形时序预测[J].现代隧道技术,2022,59(S2):77-85.DOI:10.13807/j.cnki.mtt.2022.S2.11.
[7] 马琳.基于混沌递进预测模型与趋势检验的深基坑变形规律研究[J].隧道建设(中英文),2018,38(06):934-940.
[8] 刘锦,李峰辉,刘秀秀.优化GA-BP神经网络模型及基坑变形预测[J].隧道建设(中英文),2021,41(10):1733-1739.
[9] 刘俊城,谭勇,张生杰.地铁车站深基坑开挖变形智能多步预测方法[J].上海交通大学学报,2024,58(07):1108-1117.DOI:10.16183/j.cnki.jsjtu.2022.419.
[10] 陈艳茹.基于遗传算法和极限学习机的智能算法在基坑变形预测中的应用[J].隧道建设(中英文),2018,38(06):941-947.