10.3969/j.issn.1672-5867.2022.z1.085
基于ARIMA模型与RBF神经网络的沉降预测
地表沉降监测与预报是测定地面高程随时间变化的工作,对于工程的安全施工有着重要意义,为了提高预报的准确性,提出了一种应用于地表沉降预测的组合模型.首先应用求和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)对地表沉降量进行预测,得到地表沉降量的预测残差;再利用径向基函数(Radical Basis Function,RBF)神经网络模型对其残差进行预测,将两个模型的预测结果组合到一起,得到地表沉降量的最终预测结果.利用沈阳地下综合管廊盾构区间某点的连续24期监测数据来预测后7期的沉降量,将预测结果与实测数据相比较,组合模型的预测精度相较于ARIMA模型与RBF神经网络模型分别提高了83%和88%,说明了该组合模型能够以更好的精度预测地表的沉降量,对于工程的安全施工具有一定的应用价值.
ARIMA模型、RBF神经网络、地表沉降预测、ARIMA-RBF组合模型
45
P25;TB22(专业测绘)
2022-07-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
275-278