《表1 Q1、Q2沉降监测点中长期预测结果对比Tab.1 Comparison of medium and long term prediction results of Q1, Q2settleme

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Elman-马尔科夫模型的深基坑变形预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:25~31为中期预测，45~51为长期预测。

本文以荣家寨车站深基坑地表沉降监测为例，建立神经网络预测模型进行沉降预测。训练样本数据选取荣家寨地铁车站深基坑2个沉降测点的实测数据，命名为Q1，Q2，监测时间段为2016年11月至2017年2月，监测时间间隔为2 d，共收集51组数据。仿真预测按照数据量（30，50）分为中期、长期预测，输出值为第31，51时步预测值。神经网络训练数据量分别为24和34，采用滚动预测方法，其中s=5；最大训练次数为2 000次，训练收敛误差为0.000 1，隐含层数均为11。仿真预测产生7个时步的数据，预测结果如表1所示。