融合人工智能算法的铁路路基沉降预测方法

首先利用三阶多项式拟合、GM(1,1)和BP神经网络等算法构建了铁路路基沉降单预测模型;然后基于误差法和熵值法,以合肥地铁4号线盾构隧道下穿既有铁路的监测数据为基础,融合三阶多项式拟合、GM(1,1)和BP神经网络构建了组合预测模型,实现铁路路基沉降的分阶段预测;最后,利用平均绝对误差、均方误差和平均绝对百分比误差评价模型精度。结果表明：基于误差法和熵值法的组合预测模型能显著提高预测精度,预测相对误差均小于±5%,预测均方根误差均小于±0.1 mm,验证了提出的组合预测模型的有效性。