基于时间序列的动态神经网络沉降预测

• 作者: 方苏阳 李楠 池深深 蒋创 魏涛
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 时间序列 BP神经网络 预测模型 轨道交通 非线性
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 基金项目专栏
• 页码范围: 24-27
• 页数: 4页
• 分类号: P25|TU196
• 字数: 2320字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5867.2018.11.007

摘要

针对常见的非线性预测模型预测地表沉降点预测精度不高且稳定性较差的问题,通过实测分析和理论建模的方式,建立了基于时间序列的动态神经网络预测模型对地表沉降进行预测.该模型不需考虑变形因子对监测点位沉降的影响所具有的模糊性,且预测过程简单便捷.选取某市轨道交通2号线沉降监测点进行验证,来预测模型的可行性.结果表明,预测模型预测沉降量与实测数据的最大绝对误差为0.6845 mm,并且相对误差均小于4％,说明该模型预测精度高,稳定性好,能够短期内有效地预测地表的沉降.研究成果对地表沉降的动态预测具有很好的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方苏阳	安徽理工大学测绘学院	5	20	3.0	4.0
2	池深深	安徽理工大学测绘学院	12	49	5.0	6.0
3	魏涛	安徽理工大学测绘学院	11	43	5.0	6.0
4	李楠	安徽理工大学测绘学院	15	58	5.0	6.0
5	蒋创	安徽理工大学测绘学院	6	26	3.0	5.0