基于深度神经网络的微扰动压入式沉井顶压力智能预测方法

为了提高沉井施工精度，提出了一种基于深度神经网络的微扰动压入式沉井顶压力智能预测方法。该方法针对沉井下沉状态参数与油缸顶压力之间的强非线性、高维度复杂关系，建立深度神经网络预测模型，对微扰动压入式沉井的油缸顶压力进行智能预测。实验结果表明，在相同的作业条件下，与LSTM和LSSVR模型相比，本文建立的深度神经网络预测模型对油缸顶压力的预测精度更高，能有效修正沉井下压过程姿态偏差和提高沉井施工精度，为压入式沉井姿态控制提供了可行的施工保障。

近年来，沉井施工在桥梁[1] [2]、排水[3] [4]、泵站[5] [6]等领域得到广泛应用，该工艺通过预先在地表上用钢筋混凝土浇筑成圆筒状结构，再将井内土方挖出，通过整体自重下沉到指定深度，最终形成地下结构物。因此，沉井施工具有工期较短、整体性强、节材效果好等特点[7] [8] [9]。军堂等[10]在沪通长江大桥主航道桥上采用沉井施工，方案结构简单、造价低、实施方便，实现了在复杂工况环境下的沉井施工。蒋万永等[11]将沉井施工用于污水泵站建设，有效提高了施工质量。张峥愈等[12]在水处理厂建设中采用沉井施工，使施工周期缩短，工作量减少，施工质量得到保证。虽然这些工程实例证明沉井施工能有效减少施工周期，保证施工质量。然而，传统沉井工艺主要通过井内取土，依靠井体自重实现下沉，该工艺不仅下沉速率较低，而且沉井的下沉时常会伴随姿态倾斜等问题，使施工质量较低。

微扰动压入式沉井是一种沉井下沉工艺[13]， 通过在井中适量取土和减摩措施的帮助下， 配合沉井自重和反力装置施加主动下压力，协助井体完成下沉。与传统下沉工艺相比，微扰动压入式沉井工艺能有效减少对周围环境的扰动[14]， 提高沉井下沉效率， 避免沉井发生倾斜、突沉、滞沉等问题[15] [16] [17]。

刘鸿鸣等[18]在江苏丹阳市长江边某工程中两圆形沉井采用压入式沉井技术， 显著提高了施工效率和质量。

刘欢华等[15]在广东珠海对澳门供水工程中的顶管工作井采用压入式沉井工艺， 有效解决了沉井下沉困难和姿态倾斜等问题。

杨子松等[19]在城市道路总管改排中， 采用压入式钢壳沉井工艺， 实现了在保护周边环境的同时，减小沉井下沉系数，有效避免了沉井在下沉过程中的姿态偏差。虽然上述文献采用压入式沉井工艺后，能在某种程度上避免沉井在下压过程中出现姿态倾斜。但该工艺主要依赖人工经验操作， 个人主观意见较重，实际施工时精度较低。

深度神经网络具有强大的非线性建模能力，相较于其它智能预测算法具有较强的鲁棒性，能准确拟合各种复杂的非线性关系[20] [21] [22]。白云腾等[23]针对波形钢腹板剪切变形所致挠度预测问题，建立了神经网络的挠度预测框架，预测误差较低，实现了智能化施工。任智等针对土地利用问题，建立了基于深度神经网络的土地利用形态的预测模型，模型具有较高的预测精度，有效促进了土地利用发展。李波等[24]针对热误差预测模型适应性较弱， 预测精度较低等问题， 建立了基于深度神经网络的立式机床热误差模型， 同时提高了预测模型的适应性和预测精度。

陈凌阳等[25]针对橡胶隔震支座竖向刚度计算不准