基于关联监测点数据的非线性变形预测模型

摘要：

基坑边坡变形具有非平稳性、非线性等特点,且现有的变形预测模型常用单个监测点或整体监测点的数据进行预测,忽略了不同监测点之间的关联性.以重庆某深基坑边坡为例,分别研究基于单个监测点数据和基于关联监测点数据的经验模态分解-粒子群优化算法-BP神经网络(EMD-PSO-BPNN)模型、PSO-BPNN模型、BP神经网络模型的预测结果,并对比了基于整体监测点中非关联多点数据的预测结果.结果 表明:EMD模型降低了基坑边坡变形数据非平稳性,使得各分量变化曲线比原监测数据的曲线更光滑和平稳,提高了预测精度;EMD-PSO-BPNN模型具有较好的非线性映射能力、学习能力和自适应能力,预测精度优于其他模型;同种模型下,基于关联点的预测模型预测精度明显高于单个监测点的预测模型.

关键词：经验模态分解-粒子群优化算法-BP神经网络(EMD-PSO-BPNN)、关联监测点、深基坑、变形预测

所属期刊栏目：40

分类号：TU196.1(建筑基础科学)

在线出版日期：2021-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：124-130