王 永 军

(广东中煤江南工程勘测设计有限公司，广东 广州 510440)

1 概述

在城市化进程中，随着城市空间被开发利用，地表空间资源有限，地下城市空间逐渐被开发利用，因此深基坑的开挖深度和数量逐年增加[1，2]。基坑开挖过程中由于破坏了周围土体的原状型，势必会导致基坑附近地表沉降和土体变形[3]。因此，在深基坑开挖过程中对周围地表沉降进行监测和预警不可或缺[4]。

当前针对深基坑开挖引起地表沉降预测这一工程问题，国内外学者进行了较深入的研究，主要通过灰色系统理论、时间序列分析以及BP神经网络算法等方式进行预测[5，6]。其中BP神经网络由于其机械学习能力强、预测效果好以及可以较好地对复杂非线性关系进行计算而得到广泛应用[7]。但BP神经网络由于计算速度慢、优化参数困难、易发生过度拟合等问题，使得复杂环境下预测效果并不理想[8-10]。

为提高深基坑开挖过程中对周围地表沉降预测的准确性，本文提出了基于循环神经网络(RNN)的长短记忆人工(LSTM)神经网络模型，借由输入数据序列在隐藏层中的传递，能够提取序列的特征，形成记忆，相较于BP神经网络，有较高的准确性。

2 机器学习模型

2.1 BP神经网络

BP(Back Propagation，简称BP)神经网络是一种按照利用误差逆向传播算法的多层前馈神经网络，通过对神经元之间进行数据传播，对输出在神经元之间向前传播，对误差进行反向传播，不断迭代更新神经元之间的权重文件。通过误差逆向传播算法，BP神经网络有较强的学习能力。……