多分辨率ConvLSTM框架用于挡土墙变形预测的现场验证

arXiv cs.LG 论文
deep-learning conv-lstm structural-engineering deformation-prediction field-validation geotechnical-engineering

摘要

本文利用韩国11个工地的现场数据，对一个用于预测分期开挖过程中挡土墙变形的多分辨率ConvLSTM框架进行了现场验证，平均MAE达到1.4 mm。

arXiv:2606.05556v1 Announce Type: new 摘要：本研究对一个多分辨率卷积长短期记忆（ConvLSTM）框架用于预测分期开挖过程中挡土墙变形进行了全面的现场验证。该框架基于高斯噪声增强的数值模拟进行训练，并通过堆叠集成策略整合了在不同时间分辨率下工作的ConvLSTM模型。使用韩国11个开挖现场34个测斜仪的现场监测数据对提出的框架进行了验证。利用多个评估指标系统评估了站点预测性能，分析了时间变形不规则性和时空预测特征对模型性能的影响。结果表明，该框架预测与额外开挖深度达5.0 m相关的挡土墙变形时，在所有开挖站点上的平均绝对误差为1.4 mm，决定系数为0.93。这些结果表明，尽管该框架仅在数值模拟和增强数据库上进行训练，但可以有效地应用于各种现场开挖条件，并在实际挡土墙变形预测中达到可靠的预测精度。
查看原文
查看缓存全文

缓存时间: 2026/06/05 08:11 

# 多分辨率ConvLSTM框架用于挡土墙变形预测的现场验证
来源：https://arxiv.org/abs/2606.05556
查看PDF（https://arxiv.org/pdf/2606.05556）

> 摘要：本研究对一种多分辨率卷积长短期记忆（ConvLSTM）框架进行了全面的现场验证，该框架用于预测分阶段开挖过程中的挡土墙变形。该框架基于高斯噪声增强的数值模拟进行训练，并通过堆叠集成策略整合了在不同时间分辨率下运行的ConvLSTM模型。利用来自韩国11个开挖工地的34个测斜仪的现场监测数据对提出的框架进行了验证。采用多种评估指标系统评估了各工地的预测性能，分析了时间变形不规则性以及时空预测特征对模型性能的影响。结果表明，该框架能够预测与额外开挖深度达5.0米相关的挡土墙变形，在各个工地上平均平均绝对误差为1.4毫米，决定系数为0.93。这些结果表明，尽管该框架仅基于数值模拟和增强数据库进行训练，但能够有效应用于多种现场开挖条件，并在实际挡土墙变形预测中达到可靠的预测精度。

## 提交历史

来自：Jihoon Kim 先生 \[查看邮件 (https://arxiv.org/show-email/29274497/2606.05556)\] **\[v1\]**2026年6月4日星期四 01:09:41 UTC（5,491 KB）

相似文章

超越表面统计：通过内部表示实现LLM鲁棒共形预测

arXiv cs.CL

本论文提出了一个利用内部表示而非输出层统计的LLM共形预测框架，引入层级信息（LI）评分作为非一致性度量，在分布偏移下改进有效性-效率权衡。该方法在QA基准上相比文本级基线展现出更强的对校准-部署不匹配的鲁棒性。