杜建广 沈 尤 常旭辉

(中国电建集团北京勘测设计研究院有限公司, 北京 100024)

0 引言

近年来,我国高层建筑物数量快速增长,在影响高层建筑物安全建设的众多因素中,基坑的沉降最为严重。建筑物基坑沉降不仅会造成基坑的变形与坍塌,还会对基坑保护区内其他建构筑物的安全造成影响。为了保障建筑物施工过程中基坑本身及周围建构筑物的安全,基坑的沉降监测尤为重要,能够对基坑是否发生变形提供数据支撑,为了准确评估建筑物基坑的变形趋势,控制变形量,基于基坑当前监测数据对未来一段时间内的变形量进行预测可以有效对基坑的安全性进行评估。

目前常用的变形预测模型有时间序列分析模型、反向传播(back propagation,BP)神经网络模型、灰色系统分析模型等[1]。相比于其他预测模型,灰色系统GM(1.1)模型的优势在于基于规律性与样本量都较小的原始数据就可进行变形预测,有着较强的规律性搜索能力,解决了“小样本、贫信息”的变形预测问题[2]。BP神经网络模型是一种智能化预测模型,通过自适应学习与计算可以对非线性信号进行较为准确的预测[3]。结合上述两种预测模型的优势,不少学者进行了研究,文献[4]有效结合灰色理论有BP神经网络模型,将组合模型应用于实际变形监测项目中,得到的预测精度较高;文献[5]将遗传算法添加至灰色神经网络中,实现全局最优求取的效果。然而,上述算法没有考虑到非平稳时间序列中的趋势项,直接将灰色预测残差作为BP神经网络输入项会导致模型预测精度的受损。……