地铁隧道沉降组合预测模型

摘要

为了保障地铁营运的安全性,地铁隧道沉降监测与预测尤为必要。在传统变形预测模型的基础上,结合EMD方法在信号分解与重构中的优势,提出一种基于EMD方法的组合预测模型。首先,使用能够对数据序列进行自适应分解的EMD方法将数据序列分解为若干个不同频率的IMF分量;其次,使用GM(1,1)-小波神经网络对低频分量进行预测,使用AR模型对高频分量进行预测;最后,重构不同分量预测结果,得到最终预测结果。通过地铁沉降预测实例对组合模型、GM(1,1)模型和GM(1,1)-小波神经网络模型的预测结果进行比较,结果表明,组合模型的预测精度更高,验证了组合模型的有效性。本文提出的方法在实际工程中具有一定的应用价值。