基于GRU-UKF融合预测模型的既有铁路路基沉降实时预测

李 杰

(中铁十八局集团有限公司投资公司，天津 300000)

摘　要：　针对下穿铁路工程施工引发的路基沉降兼具长期非线性演化趋势与日内高频随机波动的复杂特征，如果使用传统单一的预测模型进行监测，则难以兼顾趋势挖掘与实时动态跟踪，常导致预测滞后。为此，提出了一种基于门控循环单元(GRU)与无迹卡尔曼滤波(UKF)的融合预测模型——GRU-UKF。该模型可用于从历史日沉降序列中提取非线性演化规律，并根据当日的高频实时监测数据计算卡尔曼增益，再对沉降先验估计值进行校正。基于工程实测数据开展对比试验可知，该融合预测模型在预测稳定性与精度方面优于单一GRU模型与SVR模型：在综合评价中，GRU-UKF的R²达到0.946，MAE值由0.536 6 mm降至0.266 3 mm(降幅50.4%)，MAPE值由42.17%下降至22.99%;在未参与训练的七滦下行线QLX监测点开展外推验证中，典型监测点的R²为0.949～0.963，RMSE值为0.012 37～0.087 92 mm，MAE值为0.010 83～0.076 42 mm。由此表明，该融合预测模型在不同线路条件下具有较好的泛化能力与工程适用性，可为铁路路基毫米级微变形的精密监测与安全评估提供技术支撑。

关键词：　下穿工程; 铁路路基沉降; GRU-UKF融合预测模型; 非线性时序预测

引文格式： 李杰. 基于GRU-UKF融合预测模型的既有铁路路基沉降实时预测[J]. 市政技术，2026，44(5)：186-195，205. (LI J. Real-time prediction of settlement of the existing railway subgrade based on GRU-UKF hybrid prediction model[J]. Journal of municipal technology，2026，44(5)：186-195，205.)