基于机器学习算法的基坑沉降变形组合预测模型

唐兴章¹，徐 雨¹，周苏华^2*

(1. 中铁十四局集团建筑工程有限公司，山东 济南 250014; 2. 湖南大学 土木工程学院，湖南 长沙 410082)

摘　要：　为了克服单一机器学习模型的局限性，实现对基坑沉降变形的高精度预测，基于BP神经网络模型、CNN模型、SVR模型和LSTM模型，采用熵权法建立了基坑沉降变形组合预测模型。以工程实例中的监测数据为基础，对不同模型的预测结果进行评估。研究结果表明：单一机器学习模型和组合模型的预测精度均较高;基于信息熵原理得到了BP神经网络模型、CNN模型、SVR模型和LSTM模型在组合模型中的权重分别为0.253 2、0.265 2、0.236 1、0.245 5;组合模型对测试集的预测精度最高，R²为0.92，平均相对误差为2.1%。研究成果可为提高基坑沉降变形的预测精度以及保障基坑工程安全提供参考。

关键词：　基坑工程; 沉降变形; 机器学习; 组合模型

基金项目： 长沙市自然科学基金(kq2402072);自然资源部滨海城市地下空间地质安全重点实验室开放基金(BHKF2023Y04)

引文格式： 唐兴章，徐雨，周苏华. 基于机器学习算法的基坑沉降变形组合预测模型[J]. 市政技术，2026，44(5)：110-117. (TANG X Z，XU Y，ZHOU S H. A combined prediction model of the foundation pit settlement deformation based on machine learning algorithm[J]. Journal of municipal technology，2026，44(5)：110-117.)