基于深度学习的铁路路基沉降探测波长预测模型

针对铁路路基沉降探测波长预测精度不足、适应性差的问题,提出了基于深度学习的铁路路基沉降探测波长预测模型,旨在通过挖掘光纤传感器波长数据的时空特征,提升路基沉降风险的实时监测与预警能力。该模型通过位置编码模块捕捉时序关系,利用多头自注意力机制捕获全局空间依赖,结合时间卷积网络（TCN,Temporal Convolutional Network）的膨胀卷积提取多尺度时间模式,并引入双向长短期记忆（BLSTM,Bi-directional Long Short-Term Memory）网络增强对序列的记忆能力和上下文理解能力,实现对波长数据的时空特征提取与预测。
基于潍烟（潍坊—烟台）高速铁路实测数据进行实验,实验结果表明,该模型在测试集上的预测误差较低,可准确识别异常数据,各项指标均优于通用模型,具有工程应用价值,为铁路路基沉降探测波长的高精度监测提供了技术支撑。