组合机器学习模型基坑沉降变形预测方法研究

摘要

为实现基坑地表沉降高精度预测，采用卷积神经网络、BP神经网络和长短期记忆神经网络算法构建基坑沉降变形基础预测模型，基于熵值法和CRITIC权重法建立组合预测模型，并以基坑变形监测数据为基础，对单一预测模型和组合预测模型的预测精度进行评估。研究结果表明：与单一预测模型相比，熵值法组合预测模型的平均绝对误差最大降低91.80%，均方误差最大降低99.40%，平均绝对百分比误差最大降低91.50%;CRITIC法组合预测模型的平均绝对误差最大降低86.04%，均方误差最大降低98.19%，平均绝对百分比误差最大降低85.52%，组合预测模型比单一预测模型的性能更优。研究结果可为提高基坑地表沉降预测精度及保障基坑施工安全提供参考。

关键词

基坑 / 组合预测 / 机器学习 / 熵值法 / CRITIC法