夏磊凯，黃其欢，夏晨翔，吴海兵

(河海大学 地球科学与工程学院，江苏 南京 210098)



改进后灰色神经网络及短期基坑沉降预测研究

夏磊凯，黃其欢，夏晨翔，吴海兵

(河海大学 地球科学与工程学院，江苏 南京 210098)

摘要：在短期基坑沉降监测中，由于数据量少且呈非线性变化，沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度，但不能模拟复杂的非线性函数；BP神经网络可以对非线性数据进行学习训练，具有自学习、自适应能力；通过将GM(1,1)与BP神经网络组合，并优化网络部分的学习率、权值和阈值等，建立一种改进的灰色神经网络模型，该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析，验证改进的灰色神经网络模型预测精度更高，适合短期建模，具有很好的实用性。

关键词：沉降监测；GM(1,1)；BP神经网络；改进的灰色神经网络

沉降监测是基坑或建筑物施工及以后运营期间一项重要测量工作，它能够准确地反映建筑物基础在不同荷载下随时间的变化情况[1]，以及周边建筑物的安全状况。在基坑沉降预测中，目前有很多预测模型，如回归模型、时序分析模型、灰色系统模型、人工神经网络等。但在短期预测中，常采用灰色GM(1,1)预测模型。灰色GM(1,1)对于趋势性变形可以在数据较少的情况下，得到精确的预测结果，但灰色GM(1,1)没有较好的容错能力和自学习能力[2-3]。BP (Back Propagation)神经网络[4-5]有很强的容错能力、自适应和自学习能力，且网络结构简单、工作稳定。……