基于信号分解与重构的基坑变形预测研究

李志伟^1，2，3*，冼进业⁴，祝敏刚⁵

(1. 广州市城市规划勘测设计研究院有限公司，广东 广州 510060; 2. 广州市资源规划和海洋科技协同创新中心，广东 广州 510060; 3. 广东省城市感知与监测预警企业重点实验室，广东 广州 510060; 4. 广州市虚拟动力网络技术有限公司，广东 广州 510060; 5. 中国电建集团城市规划设计研究院有限公司，广东 广州 510060)

摘　要：　提出了一种基于信号分解与重构的基坑变形预测方法。首先，运用经验模态分解(EMD)对基坑变形序列数据进行分解，得到数个本征模态函数(IMF)，并获取不同频率的特征信号，将变形序列分解成趋势项与波动项。通过门控循环单元(GRU)结合自注意力机制，对波动项的序列数据进行建模，并对比筛选不同时长的输入数据，以确定最佳输入时长，从而提高预测精度。对于趋势项，采用多项式拟合方法进行预测，最终将趋势项与波动项的预测结果相加得到最终预测结果。以广州某基坑的监测数据为实验对象，对所提方法进行了验证。结果表明，当输入步长为5时，模型的MSE仅为0.92，R2为0.980，有效提升了预测的准确性。本研究可以为类似的基坑监测项目提供借鉴。

关键词：　基坑变形预测; GRU; 自注意力机制; 经验模态分解

基金项目： 广东省城市感知与监测预警企业重点实验室基金项目(2020B121202019)

引文格式： 李志伟，冼进业，祝敏刚. 基于信号分解与重构的基坑变形预测研究[J]. 市政技术，2025，43(1)：144-150，158. (LI Z W，XIAN J Y，ZHU M G. Study on foundation pit deformation prediction based on signal decomposition and reconstruction[J]. Journal of municipal technology，2025，43(1)：144-150，158.)