基于机器学习算法的土岩复合地层深基坑变形时序预测

作者：薛艳杰

来源：现代隧道技术, 2022, S2: 77-85.

DOI：10.13807/j.cnki.mtt.2022.S2.11

• 深基坑
• 沉降预测
• GLSSVM
• PSO
• GA

为了探索土岩复合地层深基坑变形规律，预测地表沉降，防止因地表沉降造成不必要损失，针对传统算法效率低、易陷入局部最优、抵抗波动能力弱、预测精度低等特点，以长春地铁5号线某车站深基坑工程为依托，利用时间序列获取训练数据，将GA算法嵌入到PSO算法进行参数优化，结合灰色理论建立基于灰色最小二乘支持向量机的基坑变形时序预测模型。研究结果表明：GA-PSO-GLSSVM基坑变形预测模型预测结果平均绝对误差、均方根误差和平均百分比误差分别为0.128 4、0.165 8、2.076 8%,优于传统BP神经网络预测模型和GA-PSO-LSSVM模型；经过GM(1,1)预处理的GA-PSO-GLSSVM模型，可以更好地预测波动较大的数据，更加适用于土岩复合地层深基坑变形的预测。