长距离矩形顶管顶进力智能预测：DE-BiGRU-Attention 模型应用 | MDPI Buildings

在长距离矩形顶管施工中，顶进力预测对施工安全与效率至关重要。传统方法依赖经验公式或数值模拟，难以处理非线性和时序变化。本研究基于某下穿京杭大运河的矩形顶管综合管廊工程的实际监测数据，构建了融合差分进化算法（DE）、双向门控循环单元（BiGRU）和注意力机制（Attention）的智能预测模型。模型选取水平角、俯仰角、顶进速度、注浆压力等8个关键参数作为输入，以顶进力为输出。研究通过小波变换降噪和归一化处理数据，并比较了DE-BiGRU-Attention与RNN、GRU、BiGRU等模型的性能。实验结果表明，该模型在测试集上MAE为0.7878，MAPE为3.7717%，R²达到0.9358，预测曲线与实测值高度吻合，精度优于对比模型。结论认为，该模型可有效提升长距离顶管工程中顶进力预测的精度与稳定性，为施工参数调整和风险控制提供参考。