基于经验模态分解方法的非稳定性基坑变形研究

摘要

基坑施工是众多工程建设的基础和前提,科学预测其变形特征是一项十分重要的工作。本文针对神经网络模型在非稳定性基坑变形预测方面的研究现状,以进一步提升预测精度为导向,借鉴非线性非平稳信号处理的思路提出了基于经验模态分解的非稳定性基坑预测方法。该方法首先将非稳定变形数据分解为具有一定变化规律的子数据集,然后采用粒子群优化算法-反向传播(Particle Swarm Optimization-Back Propagation,PSO-BP)神经网络模型对子数据集进行变形预测,最后将各子数据集的预测结果叠加后即可得出可靠的预测结论。试验结果表明,该方法的预测精度显著提高,均方根误差仅为0.417 mm,平均绝对误差百分比降低了6.7%,说明该方法在基坑变形预测方面具有一定的工程应用价值。