典型文献
基于EMD方法的组合预测模型在建筑物基坑沉降监测中的应用
文献摘要：
为了对建筑物基坑沉降进行准确预报,在传统的时间序列预测模型的基础上,提出了 一种基于经验模态分解(EMD)方法的差分灰色神经网络-AR模型.该模型充分结合EMD方法在信号自适应分解中的优势,通过EMD方法将监测数据分为不同频段的分量,使用差分灰色神经网络模型对序列更为稳定的低频分量进行预测,消除了由于灰色预测模型预测残差不稳定导致预测结果精度较低的问题;使用AR时间序列模型对稳定性较低的高频分量进行预测,重构由不同模型预测得到的结果,得到最终预测结果.将灰色GM(1.1)模型、差分灰色神经网络模型与本文提出的组合模型应用于某在建建筑物基坑沉降预测中,试验结果表明相比于灰色GM(1.1)模型与差分灰色神经网络模型,本文提出的组合模型预测精度更高,可以有效预报建筑物基坑沉降,在实际工程中有较高的推广价值.
文献关键词：
经验模态分解;灰色模型;神经网络模型;基坑沉降预测
中图分类号：
作者姓名：
杜建广;沈尤;常旭辉
作者机构：
中国电建集团北京勘测设计研究院有限公司,北京100024
文献出处：
引用格式：
[1]杜建广;沈尤;常旭辉-.基于EMD方法的组合预测模型在建筑物基坑沉降监测中的应用)[J].北京测绘,2022(06):692-697
A类：
在建建筑物
B类：
EMD,组合预测模型,沉降监测,准确预报,时间序列预测模型,基于经验,经验模态分解,信号自适应分解,频段,灰色神经网络模型,低频分量,灰色预测模型,预测残差,时间序列模型,高频分量,GM,模型应用,基坑沉降预测,组合模型预测,灰色模型
AB值：
0.241644
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
