基于LMD-Elman神经网络模型的建筑物沉降预测

作者：周鸿芸

来源：北京测绘, 2022, 36(06): 811-815.

DOI：10.19580/j.cnki.1007-3000.2022.06.025

• 局部均值分解
• Elman神经网络模型
• 组合模型
• 沉降预测
• GM(1. 1)模型

为提高建筑物沉降变形预测精度，准确掌握建筑物变形趋势，发挥局部均值分解（LMD）算法与Elman神经网络模型在数据处理、数据预测中的优势，提出一种新的LMD-Elman神经网络模型。该组合预测模型有效实现建筑物沉降预测的流程为：(1)通过LMD方法将沉降序列分解为若干的不同尺度具有物理意义的乘积函数；(2)发挥Elman神经网络模型在数据预测中的优势，针对不同分量建立预测模型得到各分量预测值；(3)将各分量预测值重构得到最终预测结果。将组合预测模型应用于实测建筑物沉降数据预测中，结果表明，相较于GM(1.1)模型与单一的Elman神经网络模型，本文提出组合预测模型预测结果与实际监测值具有较高的一致性，预测精度更高。该组合预测模型能够充分发掘建筑物沉降数据本身所蕴含的物理机制与物理规律，提高了建筑物沉降变形的预测精度。