摘要
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.
维普
万方数据