基于小波优化LSTM-ARMA模型的岩土工程非线性时间序列预测

摘要：

为了更精确地预测岩土工程应力、变形等的非线性时间序列,提出了基于小波优化的长短时记忆神经网络-自回归滑动平均模型(LSTM-ARMA)预测模型.首先使用小波分析将监测序列分解成趋势项和噪声项,采用LSTM网络滚动预测趋势项、ARMA模型预测噪声项,并将趋势项预测值与噪声项预测值之和作为总的时间序列预测值.在此基础上,以上海云岭超深基坑工程为案例进行了基坑地表沉降分析,结果表明组合模型的预测精度要高于单一LSTM模型且更加稳定;进一步采用弹塑性有限元对基坑开挖诱发的地表沉降进行了预测,并与人工智能预测结果进行对比,验证了人工智预测模型的合理性.分析表明,当后续工况与前置工况所诱发的变形机理突变时,人工智能预测误差增大,但伴随后续工况的推进,人工智能预测误差将逐渐减小.

关键词：岩土工程;非线性时间序列预测;小波分析;长短时记忆神经网络(LSTM);自回归滑动平均模型(ARMA)

所属期刊栏目：49

分类号：TU433(土力学、地基基础工程)

资助基金：国家自然科学基金资助项目;苏州河段深层排水调蓄管道系统工程试验段监测技术验证与分析模型研究项目;中央高校基本科研业务费专项资金资助

在线出版日期：2021-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1107-1115