基于EMD-PSO-ELM的基坑变形时变序列预测研究

• 作者: 何旭升 宋培林 王景春 王炳华
• 来源期刊: 铁道标准设计
• 学科: 工学
• 关键词: 深基坑 变形 经验模态分解(EMD) 粒子群算法(PSO) 极限学习机(ELM)
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 隧道/地下工程
• 页码范围: 103-108
• 页数: 6页
• 分类号: TU433
• 字数: 5832字
• 语种: 中文
• DOI: 10.13238/j.issn.1004-2954.201909080002

摘要

变形是造成基坑事故的最主要因素,为准确分析变形特性,实现变形的精准动态预测,保证基坑的安全施工.提出一种将经验模态分解(EMD)、粒子群算法(PSO)和极限学习机(ELM)组合的深基坑多维度时变预测模型.经EMD将基坑变形时变序列进行分解,获得多尺度本征模态函数(IMF);采用PSO-ELM对各IMF时变序列进行预测,等权叠加各预测值,得到模型最终预测结果,同时利用PSO-ELM模型对未经处理的时变序列进行预测.以南宁市某深基坑为例,结果表明:经EMD分解的模型预测相对误差为0.22％0.42％,平均相对误差值仅为0.32％;未经EMD分解的模型预测相对误差为0.31％0.75％,平均相对误差值为0.64％,经EMD分解后模型预测精度明显高于未经分解的模型精度,能较好地应用于非平稳时变预测,为深基坑变形预测提供一种新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王景春	石家庄铁道大学土木工程学院	37	296	7.0	16.0
2	何旭升		5	5	1.0	2.0
3	王炳华		6	1	1.0	1.0
4	宋培林	石家庄铁道大学土木工程学院	1	0	0.0	0.0