基于GF-LSTM的铁路边坡位移预测研究

为提高边坡位移预测的精度，提出一种融合Gaussian-filter算法与LSTM预测算法的GF-LSTM混合预测模型，依托某铁路边坡工程监测数据进行验证分析。结果表明：GF-LSTM模型不仅能对原始监测数据集进行预处理，还能提供精准的预测结果；GF-LSTM预测模型可很好地反映边坡位移的上下波动，所得的预测值与实测值整体趋势贴合、相关性极高，R²分别为0.915、0.908，均大于0.900；由降噪前后对比可知：两测点R²分别增加了0.143、0.185，而MAE和MAPE分别降低了0.104与0.874%、0.246与0.755%，表明降噪处理后各测点的预测精度和预测误差得到改善。