基于Stacking模型融合的深基坑地面沉降预测

作者：秦胜伍; 张延庆; 张领帅; 苗强; 程秋实; 苏刚; 孙镜博

来源：吉林大学学报(地球科学版), 2021, 51(05): 1316-1323.

DOI：10.13278/j.cnki.jjuese.20200310

• 基坑施工
• 地表沉降
• Stacking模型融合
• 影响因子筛选

为了提高机器学习对深基坑地面沉降的预测能力,本文提出了一种基于Stacking集成学习方式的多模型融合的地面沉降预测方法,并以深圳某深基坑为例,采用斯皮尔曼相关性系数对基坑地面沉降的影响因子进行筛选;运用筛选后的8个影响因子建立Stacking深基坑地面沉降预测模型,以验证该方法的适用性。结果表明:Stacking预测模型的平均绝对误差为0.34、平均绝对误差百分比为2.22%,均方根误差为0.13,相较于传统基模型(随机森林、支持向量机和人工神经网络),Stacking预测模型的平均绝对误差、平均绝对误差百分比和均方根误差值皆为最小。