1. 中国电建集团城市规划设计研究院有限公司
2. 中国电建集团成都勘测设计研究院有限公司
纸质出版:2026
移动端阅览
周滔, 杨科, 苏元舟, 等. 基于EMD和IPSO优化LSTM模型的基坑变形预测研究[J]. 水电站设计, 2026,42(2):10-15.
周滔, 杨科, 苏元舟, et al. 基于EMD和IPSO优化LSTM模型的基坑变形预测研究[J]. 2026, 42(2): 10-15.
周滔, 杨科, 苏元舟, 等. 基于EMD和IPSO优化LSTM模型的基坑变形预测研究[J]. 水电站设计, 2026,42(2):10-15. DOI: 10.16671/j.cnki.cn51-1382/tv.2026.02.016.
周滔, 杨科, 苏元舟, et al. 基于EMD和IPSO优化LSTM模型的基坑变形预测研究[J]. 2026, 42(2): 10-15. DOI: 10.16671/j.cnki.cn51-1382/tv.2026.02.016.
本文提出了一种基于经验模态分解(EMD)与改进粒子群优化算法(IPSO)结合长短期记忆网络(LSTM)的构建基坑位移预测方法。首先,将基坑位移序列分解为不同的本征模态函数(IMF),提取趋势项特征信号,以将位移序列有效拆解为趋势项和波动项。针对波动项变形,通过IPSO优化LSTM的隐藏层神经元数量、学习率及时间步长,确定最优参数组合并进行预测。本文以基于福建省漳州市某基坑的监测数据作为实验对象,验证该方法的有效性。实验结果表明,最优参数组合为隐藏层神经元数64、学习率0.005、时间步长5,测试集的均方误差(MSE)达到0.43,决定系数(R
2
)为0.988,显著提高了预测精度。本研究为类似基坑变形预测提供了重要的参考和借鉴。
R. Hindriks,M.H. Adhikari,Y. Murayama,M. Ganzetti,D. Mantini,N.K. Logothetis,G. Deco.Can sliding-window correlations reveal dynamic functional connectivity in resting-state fMRI?[J].NeuroImage,2016.
吴益平,张秋霞,唐辉明,肖威.基于有效降雨强度的滑坡灾害危险性预警[J].地球科学(中国地质大学学报),2014(07).
王俊,黄润秋,聂闻,苏小鹏.基于无限边坡算法的降雨型滑坡预警系统的模型试验研究[J].岩土力学,2014(12).
许强,曾裕平,钱江澎,王承俊,何成江.一种改进的切线角及对应的滑坡预警判据[J].地质通报,2009(04).
任超,梁月吉,庞光锋,杨兴跃,李冠成.经验模态分解和遗传小波神经网络法用于边坡变形预测[J].测绘科学技术学报,2014(06).
贾涛,唐川,王纳纳.基于FLO-2D与冲量模型的泥石流危险度分区方法及应用[J].水电能源科学,2015(02).
刘艳辉,方然可,苏永超,肖锐铧.基于机器学习的区域滑坡灾害预警模型研究[J].工程地质学报,2021(01).
张驰,郭媛,黎明.人工神经网络模型发展及应用综述[J].计算机工程与应用,2021(11).
田乃满,兰恒星,伍宇明,李郎平.人工神经网络和决策树模型在滑坡易发性分析中的性能对比[J].地球信息科学学报,2020(12).
张钟远,邓明国,徐世光,张云波,付弘流,李忠海.镇康县滑坡易发性评价模型对比研究[J].岩石力学与工程学报,2022(01).
曹杰,赵筱青.突变理论在斜坡稳定性评价中的应用[J].云南地理环境研究,2000(02).
刘春梅,姜巍,宫亚峰,林思远.基于K-means改进RBF神经网络对深基坑变形分析及预测[J].隧道建设(中英文),2021(S2).
肖海平,王顺辉,陈兰兰,范永超,万俊辉.一种融合GA和LSTM的边坡变形预测优化网络模型及其应用[J].大地测量与地球动力学,2024(05).
翁彦梅,张伟,高连通.基于SHALSTAB-SVM模型的降雨型滑坡危险性评价:以云南省大关县为例[J].沉积与特提斯地质,2024(03).
张搏翔,宿凇林,宿文姬,魏平新.基于有限元与LSTM机器学习模型的边坡稳定性预警分析[J].华南地震,2024(02).
王继果,戴加东,周峰.软土地区深基坑施工对周边环境影响监测分析[J].福建建设科技,2017(02).
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构