基于GF-LSTM的铁路边坡位移预测研究 |
| |
引用本文: | 景自强.基于GF-LSTM的铁路边坡位移预测研究[J].路基工程,2023(3):181-186. |
| |
作者姓名: | 景自强 |
| |
作者单位: | 中铁十八局集团第二工程有限公司 |
| |
摘 要: | 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。
|
关 键 词: | 铁路边坡 混合预测模型 降噪处理 位移预测 长短期记忆网络 |
|
|