基于时间序列与BOA-LSTM模型的基坑变形动态预测研究

摘要

为全面掌握复杂环境下基坑开挖的动态变形规律，论文提出一种基于时序分析法(variational mode decomposition, VMD)和棕熊优化算法(brown bear optimization algorithm, BOA)的长短期记忆神经网络(long short-term memory, LSTM)动态预测模型。首先，通过3次样条插值法将非等距监测位移值进行等距化；其次，利用VMD法实现等距位移值合理分解；再次，采用动态预测模型对分解项位移进行预测叠加，实现基坑变形的动态预测；最后，以昆明地铁5号线怡心桥站为例，重点分析开挖期间基坑内部与周围建筑物变形规律，将建立好的模型应用于周围建筑物进行风险预警。结果显示，VMD-BOA-LSTM模型较传统模型预测精度更高、误差更小，具有更好的适用性及应用前景；建筑物变形预测结果与实测结果具有较好的一致性，证实所建动态预测模型的有效性。在采用相同的变形预警指标情况下，该模型可根据位移预测结果准确得到建筑物变形预警时间，并进行相应的风险提示，为后续确定优化处理方案提供依据。

关键词

基坑变形预测 / 时间序列 / 棕熊算法(BOA) / 长短期记忆神经网络(LSTM)