基于优化极限学习机的基坑侧位移变形预测论文.pdf

第４６卷第２１期山西建筑Ｖｏｌ．４６Ｎｏ．２１

·５４·２０２０年１１月Ｎｏｖ．２０２０

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１００９６８２５（２０２０）２１００５４０４

文章编号：

基于优化极限学习机的基坑侧位移变形预测

王承敏

（上海城地岩土设计有限公司，上海２００３３３）

摘要：为实现基坑侧位移的准确预测，以极限学习机为基础，通过遗传算法和贝叶斯估计进行参数优化处理，以构建出适用于基

坑侧位移预测的优化极限学习机模型。实例分析表明：通过不断递进的参数优化，能有效提高基坑侧位移的预测精度，所得预测

结果的平均相对误差均小于２％，得出该文预测模型具有较高的预测精度，且预测结果还具有较强的稳定性，验证了该文优化极

限学习机模型在基坑侧位移中的预测效果，为基坑侧位移变形预测提供了一种新的思路，值得进一步推广应用研究。

关键词：基坑，侧位移，极限学习，遗传算法

中图分类号：ＴＵ７５３文献标识码：Ａ

０引言确定，依赖性、主观性较强，加之初始输入权值和阈值对预

测过程的稳定性具有一定影响，使得ＥＬＭ模型的泛化能力

随着城市化建设的快速发展，基坑工程日益增加；同

减弱。因此，为切实保证基坑侧位移变形预测模型的预测

时，受基坑开挖空间临空面影响，其施工过程会出现侧向位

精度，有必要对其相应参数进行优化处理。

移变形，直接关系施工安全，使得基坑侧位移研究显得格外

［１，２］１）激励函数优化。

重要。目前，在基坑侧位移研究方面，已有相关学者开

［３］ＥＬＭ模型的常用激励函数包括Ｓｉｇｍｉｏｄ型、Ｓｉｎｅ型和

展了相应研究，如马将基于基坑变形成果，开展了基坑空

Ｈａｒｄｌｉｍ型，三者的适用性不同，为确定最优激励函数，该文

间变形效应分析，其中涉及基坑侧位移变形特征分析及预

［４］提出通过三种激励函数的预测效果对比来确定最优激励函

测研究，为评价基坑稳定提供了理论依据；耿大新等利用

数，即对三类激励函数的预测效果均进行试算，将预测效果

静力平衡微分方程构建了基坑侧位移计算模型，其结果与

最优者作为该文ＥＬＭ模型的最优激励函数。

实测结果相符，为基坑侧位移计算提供了一种新的方法。

２）隐层节点数优化。

上述研究虽取得了一定成果，但未针对基坑侧位移开展专

在传统神经网络模型中，多是利用经验公式确定隐层

门的预测研究，或未涉及极限学习机在基坑侧位移中的应

节点数，即：

用研究，进而仍有必要拓展基坑侧位移的变形预测思路。

Ｌ＝ｍ＋ｎ＋１０（２）

同时，在基坑变形预测方面，也有学者开展了相应研究，如槡

［５］