首页|基于VMD-SSA-CNN-LSTM算法的超长钢板桩围堰变形预测

基于VMD-SSA-CNN-LSTM算法的超长钢板桩围堰变形预测

扫码查看
原文链接
  • 万方数据
  • 维普
为预测钢板桩围堰在基坑降水和开挖过程中的演变态势,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)与麻雀搜索算法(Sparrow Search Algorithm,SSA),结合卷积神经网络(Convolutional Neural Network,CNN)以及长短期记忆神经网络(Long Short-Term Memory,LSTM)的多因素围堰桩水平变形预测的方法.以苏州金鸡湖湖底隧道项目为研究对象,利用VMD-SSA-CNN-LSTM模型对I-WD23测点的围堰桩水平位移进行了预测.结果显示,所提预测模型在测试集上的MAE、RMSE和MAPE分别为0.26、0.31和7.11,均低于其他对比模型,验证了模型在钢板桩围堰水平变形预测问题上的有效性.另外,选取I-WD10测点的围堰桩水平变形实测数据对模型的预测效果进行了验证,证明了 VMD-SSA-CNN-LSTM模型的适用性.

王萍、施振跃、张振、刘影

展开 >

山东科技大学资源学院,山东泰安 271099

沈阳理工大学信息科学与工程学院,辽宁沈阳 110159

围堰变形预测 长短期记忆神经网络 变分模态分解 麻雀搜索算法

2024

10.19645/j.issn2095-0144.2024.10.003

甘肃水利水电技术
甘肃省水利水电勘测设计研究院 甘肃省水利学会

甘肃水利水电技术

影响因子：0.226
ISSN：
年,卷(期)：2024.60(10)