ARIMA 方法预测吹填软基沉降的适用性

• 作者: 孙长帅 王基文 于天文 谭芳 宋志鑫 李敏 魏焕卫
• 来源期刊: 计算机辅助工程
• 关键词: 差分自回归移动平均模型 BP神经网络 长短期记忆模型 沉降预测 吹填软基
• 年，卷（期）: 2023,（1）
• 所属期刊栏目: 工程数值仿真与CAE算法
• 页码范围: 71-75
• 页数: 5页
• 语种: 中文
• DOI: 10.13340/j.cae.2023.01.013

摘要

为解决软基沉降难以预测的问题，基于软基超载预压监测数据，建立差分自回归移动平均(ARIMA)模型、BP神经网络模型以及长短期记忆(LSTM)模型。利用堆载前期的现场监测数据训练模型，根据训练模型对后期软基的沉降进行预测。结果表明：3种模型在软基超载预压处理后的沉降预测中均表现良好，并且ARIMA模型预测能力优于BP神经网络和LSTM模型。将ARIMA模型应用于软基超载预压期间的沉降预测可行。