基于趋势项分离的隧道变形组合预测研究.pdfVIP

施 工 技 术 ２０１６年１０月上 １１０ ＣＯＮＳＴＲＵＣＴＩＯＮＴＥＣＨＮＯＬＯＧＹ 第４５卷 第１９期 ＤＯＩ：１０７６７２／ｓｇｊｓ２０１６１９０１１０ 基于趋势项分离的隧道变形组合预测研究 陈飞飞，杨振兴，马还援，李忠艳 （青海省水文地质及地热地质重点实验室（青海省水文地质工程地质环境地质调查院），青海 西宁 ８１０００８） ［摘要］ 以小波变换分离隧道变形数据的趋势项和误差项，采用回归模型对趋势项进行单项预测，并进一步对其进 行组合预测；同时，利用ＢＰ神经网络对误差项及原始数据项进行预测，最后对比本文组合预测与传统ＢＰ神经网络 的预测结果 结果表明：ｓｙｍ５小波函数对本文监测数据的分离效果最好，而非线性组合预测的精度要优于线性组 合预测的精度，且综合对比本文组合预测和ＢＰ神经网络的结果，得出本文的组合预测很大程度上提高了预测精 度，为隧道的变形预测提供了一种新的思路 ［关键词］ 隧道工程；小波变换；回归模型；组合预测；ＢＰ神经网络 ＋ ［中图分类号］ Ｕ４５６３ １ ［文献标识码］Ａ ［文章编号］２０１６ ＰｒｅｄｉｃｔｉｏｎＣｏｍｂｉｎａｔｉｏｎｏｆＴｕｎｎｅｌＤｅｆｏｒｍａｔｉｏｎＢａｓｅｄｏｎ ＴｒｅｎｄＴｅｒｍＳｅｐａｒａｔｉｏｎ ＣｈｅｎＦｅｉｆｅｉ，ＹａｎｇＺｈｅｎｘｉｎｇ，ＭａＨｕａｎｙｕａｎ，ＬｉＺｈｏｎｇｙａｎ （ＨｙｄｒｏｇｅｏｌｏｇｉｃａｌａｎｄＧｅｏｔｈｅｒｍａｌＧｅｏｌｏｇｉｃａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＱｉｎｇｈａｉＰｒｏｖｉｎｃｅ （ＨｙｄｒｏＧｅｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇＧｅｏｌｏｇｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＧｅｏｌｏｇｙＳｕｒｖｅｙ ＩｎｓｔｉｔｕｔｅｏｆＱｉｎｇｈａｉＰｒｏｖｉｎｃｅ），Ｘｉｎｉｎｇ，Ｑｉｎｇｈａｉ ８１０００８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅｔｒｅｎｄａｎｄｔｈｅｅｒｒｏｒｔｅｒｍｓｏｆｔｈｅｄｅｆｏｒｍａｔｉｏｎｄａｔａｏｆｔｈｅｔｕｎｎｅｌａｒｅｓｅｐａｒａｔｅｄ ｂｙｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ， ｔｈｅ ａｕｔｈｏｒｓ ｕｓｅ ｔｈｅ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｔｏ ｆｏｒｅｃａｓｔ ｔｈｅ ｔｒｅｎｄ， ａｎｄ ｔｈｅｎ ｍａｋｅ ａ ｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔ． Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅａｕｔｈｏｒｓｕｓｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｐｒｅｄｉｃｔｔｈｅｅｒｒｏｒｔｅｒｍａｎｄ ｔｈｅ ｏｒｉｇｉｎａｌ ｄａｔａ， ａｎｄ ｔｈｅｎ ｃｏｍｐａｒｅ ｔｈｅ ｆｏｒｅｃａｓｔｉｎｇ ｒｅｓｕｌｔｓ ｂｅｔｗｅｅｎ ｃｏｍｂｉｎａｔｉｏｎ ｆｏｒｅｃａｓｔ ａｎｄ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ． Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｓｙｍ５ｗａｖｅｌｅｔｆｕｎｃｔｉｏｎｉｓｔｈｅｂｅｓｔｆｏｒｔｈｅｓｅｐａｒａｔｉｏｎｏｆ ｔｈｅ ｍｏｎｉｔｏｒｉｎｇｄａｔａｉｎｔｈｉｓｐａｐｅｒ． Ｔｈｅａｃｃｕｒａｃｙｏｆｎｏｎｌｉｎｅａｒｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｉｓｂｅｔｔｅｒｔｈａｎｔｈａｔｏｆ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ ｆｏｒｅｃａｓｔｉｎｇ， ｔｈｒｏｕｇｈ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｃｏｍｂｉｎｅｄ ｆｏｒｅｃａｓｔｉｎｇａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｏｆｔｈｉｓｐａｐｅｒｃａｎｇｒｅａｔｌｙ ｉｍｐｒｏｖｅ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎａｃｃ