基于BP神经网络的地铁结构变形时间序列预测研究

摘要

为了保障地铁施工及运营安全,需实时地掌握和了解隧道结构的变化情况,针对地铁隧道结构中可能存在的安全隐患及时地进行治理,因此对地铁隧道结构变形的预测是当前的研究热点之一.本文针对南京南站地铁隧道项目监测点变形数据,进行分析并建立地铁结构变形预测模型,分别为时间序列模型、BP神经网络模型和BP时间序列融合模型.结果表明,BP时间序列融合模型预测精度最高,可达0.18mm,与时间序列模型(预测精度0.77mm)及常规BP神经网络模型(预测精度0.38mm)相比分别提高了76.6％和50.6％.将时间序列模型和BP神经网络模型结合起来建立的BP时间序列融合模型可以大大的提高地铁结构变形的预测精度.