一种基于EEMD方法的改进模型在建筑物基坑沉降预测中的应用

作者：赖海明; 闫花英

来源：测绘技术装备, 2023, 25(01): 89-94.

DOI：10.20006/j.cnki.61-1363/P.2023.01.018

• 集合经验模态分解
• 残差修正GM(1,1)模型
• 沉降预测

为了提高建筑物基坑沉降预测的精度，使预测结果能更精准地反映变形体的变形趋势，本文提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)的残差修正GM(1,1)-AR组合模型。该组合模型首先通过EEMD方法对原始时间序列进行分解，得到不同频段的本征模函数(Intrinsic Mode Function, IMF);然后，对于稳定性更好的低频分量使用残差修正GM(1,1)模型进行预测，对于高频分量使用自相关强的AR时间序列模型进行预测；最后，将上述两种模型预测结果进行重构得到最终的预测结果。该组合预测模型不仅能有效消除时间序列中噪声项的影响，还可消除由灰色残差不稳定导致的预测误差。使用建筑物基坑沉降实测数据对本文方法的有效性进行检验，检验结果表明，与AR模型和残差修正GM(1,1)模型相比，本文提出的组合模型预测结果的相对误差明显降低，预测精度更高，能够准确、有效预测建筑物基坑沉降趋势。

• 单位
  浙江省测绘科学技术研究院