基于有监督机器学习基坑变形预测模型的比较与分析

影响深基坑变形因素繁多,位移预测问题呈高度非线性和模糊性,为探究目前基于有监督机器学习软计算(Soft Computing Method,SCM)法深基坑位移预测模型的精度性能,对基于支持向量机(Support Vector Model,SVM)位移预测模型、基于随机森林(Random Forest,RF)预测模型、基于反向传播(Back Propagation,BP)神经网络预测模型、基于径向基(Radial Basis Function,RBF)神经网络预测模型、基于Elman神经网络预测模型和长短期记忆(Long Short-Term Memory,LSTM)神经网络预测模型进行了实际深基坑工程一至三天位移预测试验。试验验证了基于有监督机器学习软计算法模型预测深基坑位移的可行性,展现了人工神经网络(Artificial Neural Network,ANN)算法的优越性,并得出了Elman预测模型适用于预测一天和两天深基坑位移预测,而BP预测模型适用于预测三天沉降任务的结论。