基于EMD-CAWOA-ELM深基坑侧移预测OA

深基坑工程在城市化进程中日益普遍,其侧向位移的精准预测对保障工程安全具有重要意义.文章提出一种融合经验模态分解(EMD)、混沌自适应鲸鱼优化算法(CAWOA)与极限学习机(ELM)的组合预测模型(EMD-CAWOA-ELM).该模型首先利用 EMD 将原始侧移信号分解为多个平稳本征模态函数(IMF)与趋势残差(r(t)),有效分离噪声与有效特征;随后采用基于 Tent 混沌映射改进的 CAWOA 算法优化 ELM 的权值与偏置,提升模型全局搜索能力与收敛精度;最终通过 ELM 对分解后的各分量进行快速拟合与叠加重构,实现侧移的精准预测.通过深圳某地铁车站基坑实测数据的验证表明,文章所提模型在多个监测点位的预测中均表现出较高的精度与稳定性,其 MSE、RMSE 和 MAPE 指标均显著低于对比模型(EMD-WOA-ELM、EMD-ELM),展现出优越的工程适用性与泛化能力.