收稿日期：2023-02-13基金项目：攀枝花攀钢集团设计研究院有限公司科技开发课题（横向服务课题）（2022113200412）作者简介：欧晓春，男，工程师，学士，主要从事土木工程项目的设计与研究工作。通讯作者：王勇超，男，高级工程师，学士，主要从事土木工程项目的设计与研究工作。引文格式：欧晓春，王勇超，杨佳玉.基于长短期记忆网络模型的堆载作用厂房桩基长期沉降预测［J］.市政技术，2023，41（5）：112-116，120.（OUXC，WANGYC，YANGJY.Long-termsettlementpredictionoffactorybuildingpilefoundationunderthesurchargeactionbasedonLSTMnetworkmodel［J］.Journalofmunicipaltechnology，2023，41（5）：112-116，120.）文章编号：1009-7767（2023）05-0112-06第41卷第5期2023年5月Vol.41，No.5May2023DOI:10.19922/j.1009-7767.2023.05.112JournalofMunicipalTechnology基于长短期记忆网络模型的堆载作用厂房桩基长期沉降预测欧晓春1，王勇超1*，杨佳玉2（1.攀枝花攀钢集团设计研究院有限公司，四川攀枝花617099；2.湘潭大学，湖南湘潭411105）摘要：为有效预测堆载作用下厂房桩基长期沉降变形特征，基于长短期记忆网络模型具备的容错性高、记忆功能强等优势，建立了长短期记忆（LSTM）网络预测模型；结合四川省攀枝花市某工业厂房工程，对比分析了指数预测模型和LSTM网络预测模型预测堆载作用下厂房桩基长期沉降变形特征的能力。研究结果表明：LSTM网络预测模型可自动识别复杂数据源中的关键信息，因而可有效表征厂房桩基长期沉降变形的非线性特征，相较于指数预测模型，LSTM网络预测模型具有精度高、误差小等显著优势，可为保障类似厂房长期的稳定性和安全性提供有效理论支撑。关键词：长短期记忆网络模型；堆载作用；桩基；长期沉降中图分类号：TU196.2文献标志码：ALong-termSettlementPredictionofFactoryBuildingPileFoundationUndertheSurchargeActionBasedonLSTMNetworkModelOuXiaochun1，WangYongchao1*，YangJiayu2（1.PanzhihuaPangangGroupDesignandResearchInstituteCo.，Ltd.，Panzhihua617099，China；2.XiangtanUniversity，Xiangtan411105，China）Abstract：Inordertoeffectivelypredictthelong-termsettlementanddeformationcharacteristicsofthefactoryhousepilefoundationunderthesurchargeaction，thelongshorttermmemory（LSTM）networkpredictionmodelisestab鄄lishedbasedontheadvantagesoftheLSTMnetworkmodelof...
