一种隧道基坑多维度时变预测EPS模型的应用

摘要

准确地掌握到正在施工的隧道深基坑所发生形变的态势,就可以进一步实现动态预测并采取有效的扼制举措,才能有效保障施工安全;据此提出一种基于信号分析法,通过耦合经验模态分解法、鸟群觅食算法(PSO)与单隐层前馈神经网络SLFNs学习算法,结合成专为非线性情况下的基坑施工作多维时变预报模型EMD-PSO-SLFNs (EPS);其先将隧道形变的深坑序列分解时的EMD进行多尺度原生模态函数(IMF);并引入IMF、PSO-SLFNS变量序列进行预测,对其进行叠加预测,用模型的进行最终结果的运算预测,再用耦合PSO与SLFNs量化算法的作末端处理、变量序列进行预测;文章以南宁某隧道基坑施工为例,经过深层次透析得出,单凭EMD分解模型预测的相对误差为值在0.22％～0.42％之间,值δ-0.32％实际均差值;而进行EMD-PSO-SLFNs组合型作多维度时变分解模型预测的相对误差为0.31％～0.75％之间,值δ-0.64％,该预测精度明显高于前者,而且能在非平稳线性、变序情况下预测,为隧道基坑形变预测提供了一种实用新型的方法.