王思捷;黄腾;周立俊;吴壮壮;

• 1:河海大学地球科学与工程学院

摘要(Abstract)：

地铁沉降受诸多因素干扰,其监测数据往往表现出非平稳、非线性特征。因此,首先利用奇异谱分析(SSA)方法提取监测数据的趋势项和周期成分,以削弱噪声、提高数据信噪比;然后利用BP神经网络分别对趋势序列与周期序列进行预测并重构,进而得到预测值。实验结果表明,相较于BP神经网络模型,SSA_BP神经网络模型的整体预测精度更高、最大预测长度更优。

关键词(KeyWords)： SSA;BP神经网络;地铁沉降预测;稳定性分析

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 王思捷;黄腾;周立俊;吴壮壮;

Email:

DOI:

参考文献(References)：

• [1]黄鸿伟.地铁隧道全站仪自动化监测的技术难点问题及解决方案[J].测绘通报,2016(8):149-151
• [2]王超.轨道交通安全保护区信息化监测应用技术研究[J].中国交通信息化,2013(9):128-130
• [3]胡玉祥,王智,张洪德,等.多维时间序列分析在地铁位移监测中的应用研究[J].测绘通报,2018(增刊1):239-246
• [4]陆立,许建宣.建筑物变形监测的自回归分析法[J].工程勘察,2004(5):61-63
• [5]潘国荣,乔立洋,王穗辉.半参数改进灰色模型在滑坡变形预测中的应用[J].测绘科学,2019,44(9):164-170
• [6]杨昌民,崔兵,张忠强.自适应卡尔曼滤波在建筑物变形监测中的应用[J].北京测绘,2016(2):83-85
• [7]陈林,黄腾,郑浩.变形预测的小波神经网络模型改进[J].测绘科学,2017,42(9):112-115
• [8]王存友,黄张裕,汪闩林,等. BP神经网络与多项式拟合在沉降监测中的应用[J].地理空间信息,2017,15(6):107-108
• [9]王解先,连丽珍,沈云中.奇异谱分析在G P S站坐标监测序列分析中的应用[J].同济大学学报(自然科学版),2013, 41(2):282-288
• [10]邓传军,欧阳斌,陈艳红.一种基于PSO-BP神经网络的建筑物沉降预测模型[J].测绘科学,2018,43(6):27-31
• [11]江志红,丁裕国.奇异谱分析的广义性及其应用特色[J].气象学报,1998(6):97-106
• [12]卢辰龙.奇异谱分析在大地测量时间序列分析中的应用研究[D].长沙:中南大学,2014