基于ARIMA模型与RBF神经网络的沉降预测

作者：滕浩; 郭伟

来源：测绘与空间地理信息, 2022, S1: 275-278.

• ARIMA模型
• RBF神经网络
• 地表沉降预测
• ARIMA-RBF组合模型

地表沉降监测与预报是测定地面高程随时间变化的工作，对于工程的安全施工有着重要意义，为了提高预报的准确性，提出了一种应用于地表沉降预测的组合模型。首先应用求和自回归移动平均模型(Autoregressive Integrated Moving Average Model, ARIMA)对地表沉降量进行预测，得到地表沉降量的预测残差；再利用径向基函数(Radical Basis Function, RBF)神经网络模型对其残差进行预测，将两个模型的预测结果组合到一起，得到地表沉降量的最终预测结果。利用沈阳地下综合管廊盾构区间某点的连续24期监测数据来预测后7期的沉降量，将预测结果与实测数据相比较，组合模型的预测精度相较于ARIMA模型与RBF神经网络模型分别提高了83%和88%,说明了该组合模型能够以更好的精度预测地表的沉降量，对于工程的安全施工具有一定的应用价值。