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

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。