基于麻雀优化与LSTM基坑顶部变形预测

聂彦冲¹，周明文¹，祝敏刚²，段 平^1*，王以姣¹

(1. 广州市设计院集团有限公司，广东 广州 510620; 2. 中国电建集团城市规划设计研究院有限公司，广东 广州 510000)

摘　要：　为了提高对基坑顶部变形预测的精度，提出了一种基于麻雀搜索算法(SSA)、变分模态分解(VMD)和长短期记忆网络(LSTM)的基坑顶部变形预测模型。以广州某基坑的变形监测数据为例，首先利用SSA优化VMD的控制参数，减少噪声成分的干扰，将基坑顶部变形时间序列数据分解为不同的本征模态函数(IMF)，并根据不同频率特征，将分解结果划分为趋势项、季节项和随机项;采用多项式拟合方法对趋势项进行预测，利用LSTM结合自注意力机制对季节项和随机项进行建模，通过叠加各分项的预测结果获得基坑顶部变形预测值。研究结果表明：当输入步长为3时，SSA-VMD-LSTM模型的均方误差(MSE)为0.48，决定系数(R²)为0.971，相较于未分解的原始序列模型，MSE降低了0.99，验证了改进模型在预测精度方面的显著提升。该研究成果为类似基坑顶部变形预测提供了重要的参考与借鉴。

关键词：　基坑顶部变形;　麻雀搜索算法;　变分模态分解;　本征模态函数;　长短期记忆网络

基金项目： 广州市设计院集团有限公司重点科研项目(24RD22(B1);24RD24(B1))

引文格式： 聂彦冲，周明文，祝敏刚，等. 基于麻雀优化与LSTM基坑顶部变形预测[J]. 市政技术，2025，43(8)：63-69，76. (NIE Y C，ZHOU M W，ZHU M G，et al. Deformation prediction at the top of foundation pit by SSA and LSTM[J]. Journal of municipal technology，2025，43(8)：63-69，76.)