谢冬冬 张慧江

摘要：深基坑工程的稳定性和安全性受到全社会的普遍关注，而深基坑变形预测是施工中调整施工参数和保证施工安全的重要手段。文章构建粒子群优化Elman神经网络的深基坑变形预测模型，克服了由于Elman神经网络初始化权阈值的盲目随机性而造成的收敛速度慢、易陷入局部极小等不足，预测精度较Elman模型有显著提高，能够满足工程实际应用的需要。

Abstract： The stability and safety of deep foundation pit projects have received widespread attention from the whole society， and the prediction of deep foundation pit deformation is an important means of adjusting construction parameters and ensuring construction safety during construction. This paper builds a particle swarm optimized Elman neural network deep foundation pit deformation prediction model， which overcomes the shortcomings of slow convergence and easy fall into local minima due to the blind randomness of the initialization threshold of the Elman neural network. The prediction accuracy is significantly improved than the Elman model， and can meet the needs of practical engineering applications.

关键词：深基坑工程;变形预测;PSO-Elman网络模型

Key words： deep foundation pit;deformation prediction;PSO-Elman network model

中图分类号：TU753                                    文献标识码：A                                  文章编号：1006-4311（2020）17-0120-03

0  引言

地下空间的开发利用受到人们越来越多的关注，涌现了大量的深基坑工程，确保基坑施工安全成为其的首要任务。而深基坑变形预测在调整施工方案和规避施工风险中具有重要实用价值，是保证施工安全的重要措施[1]。数值模拟法是应用较多的传统的深基坑变形预测方法，但由于基坑工程本身的不确定性和复杂性，使基坑变形预测精度受到影响，系统分析方法被引入到深基坑工程中，并得以广泛应用[2-4]。常用的系统分析方法主要有时间序列分析、灰色系统理论、遗传算法及人工神经网络等[5-6]。其中人工神经网络具有很强的自适应和自学习能力，对基坑监测获取的波动较大和非线性的数据具有较好的预测效果[7-8]。但神经网络初始化权阈值具有盲目随机性，从而导致的收敛速度慢、易陷入局部极小。利用具有全局寻优能力的粒子群算法来對神经网络的权阈值进行优化，改善其性能，提高深基坑变形预测精度。……