基于变分模态分解和粒子群优化长短期记忆网络的黄土地区高填方路基沉降预测

柴少波; 岳山丘; 王铭一; 吕龙龙; 范康凯

doi:10.16355/j.tyut.1007-9432.20240599

太原理工大学学报 ›› 2025, Vol. 56 ›› Issue (05) : 907 -915. DOI: 10.16355/j.tyut.1007-9432.20240599

基于变分模态分解和粒子群优化长短期记忆网络的黄土地区高填方路基沉降预测

柴少波, 岳山丘, 王铭一, 吕龙龙, 范康凯

作者信息 +

Author information +

文章历史 +

摘要

【目的】为实现黄土地区高填方路基沉降趋势的准确预测。【方法】通过建立基于变分模态分解（VMD）和粒子群算法（PSO）优化的长短期记忆网络（LSTM）预测模型VMD-PSOLSTM，学习高填方路基沉降数据的高层次特征并预测其发展变化趋势。通过工程实例，对所建立的预测模型进行验证。【结果】结果表明：VMD-PSO-LSTM模型对高填方路基沉降曲线的预测效果良好，且精度均比反向传播神经网络模型（BP）、LSTM模型与只用PSO优化的LSTM模型（PSO-LSTM）有了进一步的提高，具有更高的鲁棒性和适用性。