基于EMD-SSA-LSTM组合模型的边坡变形位移时间序列预测

摘要

为了更精确地预测边坡变形，保证邻近深基坑开挖施工的安全，提出一种组合经验模态分解（EMD）、麻雀搜索算法（SSA）和长短时记忆神经网络（LSTM）的边坡变形位移时间序列预测模型。首先利用EMD对边坡变形位移时间序列进行分解，得到反映边坡变形特征的4个本征模态分量（IMF）和1个残差分量（Res）;然后采用SSA对LSTM的超参数进行寻优，将各IMF及Res分量输入LSTM模型进行预测，将各个分量的预测结果等权加和得到最终的预测结果。以大连市某深基坑工程为例，利用EMD-SSA-LSTM组合模型对边坡变形位移时间序列进行预测，结果表明，经过EMD分解、剔除高频噪声IMF₁分量后的组合预测模型对边坡变形位移的预测精度高于未剔除的预测模型。

关键词

边坡变形 / EMD / LSTM / 时间序列预测

基金资助

辽宁省教育厅科学研究计划资助项目(LJKZ0474)