基于建筑物沉降的Kalman-BP组合预测模型

摘要

为了弥补单一BP神经网络在建筑物沉降预测上的不足,提高建筑物沉降预测精度,提出Kalman-BP神经网络组合模型.首先通过Kalman滤波算法消除实测数据中的随机噪声,将去噪后的数据作为样本输入BP神经网络中,最终实现建筑物沉降值的预测.实践结果表明,Kalman-BP神经网络模型的拟合平均相对中误差为1.73％,后验方差为0.001 2,预测平均相对中误差为1.13％,后验方差为0.045 7.相比单一的BP神经网络模型,Kalman-BP神经网络模型能有效降低平均相对中误差和后验方差,提高预测精度.