基于深度学习的盾构掘进姿态预测模型

盾构掘进姿态的偏差变化和趋势,是现场管理者掌控项目施工安全与质量所需的关键信息。为了提高姿态控制的自动化与智能化水平,设计了基于小波变换(WT)与长短期记忆神经网络(LSTM)的预测模型WT-LSTM,通过历史施工数据对未来时刻盾构姿态参数进行预测,并对模型进行多次试验,以确定最优参数。在工程实例中,所提出的模型对各参数的预测均方根误差均较低。通过与其他方法的对比实验表明,所设计的模型能够实现根据历史数据准确预测未来时刻的盾构掘进姿态,辅助施工现场管理者和操作人员高效决策,提前规避异常掘进姿态,解决目前盾构施工人工决策低效、不稳定以及数据闲置等问题,对于保障盾构稳定掘进、减少盾构项目风险事故具有重要价值。

信必可都保吸入剂治疗慢性阻塞性肺疾病急性加重期的效果分析

目的分析慢性阻塞性肺疾病急性加重期采用信必可都保吸入剂的治疗效果。方法回顾性分析2018年11月至2019年11月本院收治的80例慢性阻塞性肺疾病急性加重期患者的临床资料,依据治疗方法分为常规对症支持治疗组和信必可都保吸入剂组(常规对症支持治疗基础上采用信必可都保吸入剂),各40例。比较两组患者的肺功能及临床疗效。结果治疗后,信必可都保吸入剂组患者FEV1、FVC、PEF、FEV1/FVC均显著高于常规对症支持治疗组(P<0.05)。信必可都保吸入剂组治疗总有效率为87.5%(35/40),显著高于常规对症支持治疗组的67.5%(27/40),差异有统计学意义(P<0.05)。结论慢性阻塞性肺疾病急性加重期采用信必可都保吸入剂治疗效果好。