基于Kalman濾波的ARIMA-NAR神經網絡模型在深基坑沉降監測中的應用

牛全福, 李月鋒, 張 曼, 傅建凱, 馬亞娜

(1. 蘭州理工大學 土木工程學院, 甘肅 蘭州 730050; 2. 甘肅省應急測繪工程研究中心, 甘肅 蘭州 730050; 3. 甘肅土木工程科學研究院有限公司, 甘肅 蘭州 730050)

近年來，隨著我國社會經濟的快速發展，城鎮化建設深入推進，建設用地日趨緊張，建設趨向高層、超高層的縱深發展，深基坑工程在城建中的安全施工顯得越來越重要.近年來與基坑相關的工程事故頻發[1-2],尤其在以濕陷性黃土為主的西北地區，深基坑工程在雨水較多的季節易發生變形甚至失穩現象.因此，進行基坑變形監測，掌握其變形狀態，進而對未來的變形趨勢做出預測對基坑工程安全開挖施工具有重要意義.

深基坑變形監測通常為長期的形變觀測，并依據適宜的模型建模預測其變形趨勢來指導安全施工.常用的數學模型有：回歸分析模型[3]、灰色理論模型[4-6]、支持向量機(SVM)模型[7- 9]、時間序列模型[10-12]以及人工神經網絡模型[13- 15]等.但是，單一模型雖有一定的趨勢預測精度，但仍存預測殘差隨著期數增加而增大的問題[16], 因此，綜合兩種或兩種以上模型優點的組合模型逐漸出現并應用到基坑變形預測中[17- 19]，方蘇陽[20]等將時間序列模型與BP神經網絡模型組合運用于地表沉降預測，取得了較好效果；王磊[21]等將ARMA模型與BP神經網絡模型結合應用于基坑監測預測研究，得出其擬合精度要優于單一時間序列模型的精度的結論.

然而，為使深基坑監測預測能更加有效指導施工，除……