基于LSTM+Transformer的冻融循环作用下路基土永久变形预估模型

摘要

为了准确预测冻融循环和交通荷载耦合作用下路基土的永久变形，该文在动三轴试验结果的基础上，提出了一种基于长短期记忆网络LSTM和Transformer的混合神经网络模型。该模型能够有效捕捉输入变量之间的时间依赖关系和复杂交互影响，从而能够显著提高路基土永久变形预测的精度和泛化能力。结果表明：较高的围压提高了路基土的抗变形能力，但其永久变形行为仍受循环荷载幅值和冻融循环次数的影响。通过与传统经验回归模型的对比分析，验证了所提出的混合模型在处理非线性变形问题方面的优越性。由敏感性分析结果可知：围压和液限是影响路基土永久变形的主要因素。该结论可为季冻区耐久性路基建造提供参考与借鉴，并发现设计阶段应优选填料并设置防冻结构，运维阶段须控制超载现象。

关键词

路基工程 / 永久变形 / 冻融循环 / 动三轴试验 / 混合神经网络模型