基坑变形预测的时间序列分析

基坑变形会对工程造成许多不利影响,甚至可能引发土体塌陷和临近道路、建筑物开裂等灾害事故,所以基坑变形的预测是基坑工程中非常重要的一环。为了更准确地预测基坑变形,提出一种以监测数据的时间序列为输入的变分模态分解的卷积神经网络-长短期记忆(variational mode decomposition-convolutional neural network-long short term memory,VMD-CNN-LSTM)预测模型。基于南京江北新区图书馆基坑工程的现场监测数据,利用VMD-CNN-LSTM模型对CX07监测点的地下连续墙深层水平位移进行预测,得到的变形预测值与长短期记忆神经网络(long short term memory,LSTM)和卷积神经网络-长短期记忆（convolutional neural network-long short term memory,CNN-LSTM）模型的预测结果对比分析。
可知VMD-CNN-LSTM模型相比其他两种模型具有更高的准确性。再选取另外两个监测点的监测数据对模型的预测效果进一步验证,证明了VMD-CNN-LSTM模型的适用性和稳定性。