盾构沉降预测网络

误差毫米级

融合集合经验模态分解与贝叶斯优化的门控循环网络，为盾构施工沉降提供更精准稳定的预测。

Ma, Xu Fei · Yingshun, Xu · Yang, Jie · Jian, Wu · Tong, Fei · Song, Jintao

2023

参数信息

RMSE提升

1.9313 mm

MAE提升

1.7526 mm

MAPE提升

4.9553 %

技术优势

误差更小

相比传统机器学习算法，RMSE、MAE、MAPE分别提升1.9313 mm、1.7526 mm、4.9553%，预测精度显著提高。

预测更稳

EEMD分解让模型能捕捉不同频段特征，提升泛化能力，预测效果更稳定。

应用场景

• 盾构施工安全监测：实时预测盾构施工沉降，提前发现异常，避免安全事故。
• 隧道工程风险评估：利用高精度预测模型评估施工风险，辅助制定控制措施。