基于CEEMD和LSTM方法的深基坑沉降变形预测 |
| |
引用本文: | 盛朝正,项标.基于CEEMD和LSTM方法的深基坑沉降变形预测[J].北京测绘,2023(7):1016-1021. |
| |
作者姓名: | 盛朝正 项标 |
| |
摘 要: | 为了提升长短时记忆(LSTM)神经网络对深基坑沉降监测数据的预测效果,本文提出一种基于互补集合经验模态分解(CEEMD)、样本熵以及LSTM神经网络的组合基坑沉降预测模型。该组合沉降模型实现基坑沉降变形预测的关键步骤为:首先,使用CEEMD分解算法将基坑沉降序列分解为若干个本征模态函数(IMF);其次,重组相同特征的IMF分量;最后,使用LSTM神经网络预测重组后分量并叠加预测结果。使用某实测基坑数据进行实验,结果显示,本文提出组合预测模型预测结果的均方根误差、平均绝对误差以及平均绝对百分比误差较对比模型均更小,表明本文提出组合预测模型的预测精度更高,具有较好的非线性序列预测效果,为基坑沉降预测提供了一种新方法。
|
关 键 词: | 互补集合经验模态分解 样本熵 长短时记忆神经网络 基坑沉降预测 |
|
|