技術(shù)特征：

1.基于經(jīng)驗(yàn)?zāi)B(tài)分解和BP神經(jīng)網(wǎng)絡(luò)的地鐵沉降預(yù)測方法，其特征在于：包括以下步驟：

S1：利用EMD分解將非平穩(wěn)的沉降信號x(t)分解為不同頻率尺度的波動；

S2：根據(jù)各頻段數(shù)據(jù)特點(diǎn)，建立各頻段的BP神經(jīng)網(wǎng)絡(luò)模型；

S3：使用交叉驗(yàn)證法選擇BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；

S4：利用各個(gè)分量的預(yù)測值重構(gòu)出原始信號的預(yù)測序列。

2.根據(jù)權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解和BP神經(jīng)網(wǎng)絡(luò)的地鐵沉降預(yù)測方法，其特征在于：所述步驟S1包括以下步驟：

S1.1：將信號a的局部均值組成序列m；

S1.2：令h＝a-m，檢查序列h是否滿足本征模函數(shù)的基本條件：如果滿足，則繼續(xù)進(jìn)行步驟S1.3；否則，則令a＝h，然后返回步驟S1.1；

S1.3：令c_i＝h，并令r_i＝r_i-1-c_i，i為分解序列的個(gè)數(shù)，i>0；

S1.4：判斷迭代r_i＝r_i-1-c_i是否滿足停止條件：如果滿足，則繼續(xù)進(jìn)行步驟S1.5；否則，則令a＝r_i，i＝i+1，然后返回步驟S1.1；

S1.5：分解完成，得到基本模式分量c₁,…,c_i,…，以及殘留分量r₁。

3.根據(jù)權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解和BP神經(jīng)網(wǎng)絡(luò)的地鐵沉降預(yù)測方法，其特征在于：所述步驟S2為：選擇每個(gè)頻段前兩天的分解值z_t-2和z_t-1分別作為輸入層x₁和x₂，即令x₁＝z_t-2，x₂＝z_t-1；將當(dāng)天的分解值z_t作為輸出層y，t＝2，3,4…,n，n為預(yù)測天數(shù)；選取不同的隱含層數(shù)目，進(jìn)行對比預(yù)測，獲得預(yù)測值均方根誤差最小時(shí)對應(yīng)的隱含層數(shù)目，以此建立BP神經(jīng)網(wǎng)絡(luò)模型。

4.根據(jù)權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解和BP神經(jīng)網(wǎng)絡(luò)的地鐵沉降預(yù)測方法，其特征在于：所述步驟S3為：利用交叉驗(yàn)證法選取不同的參數(shù)組合，參數(shù)組合包括學(xué)習(xí)誤差、訓(xùn)練樣本次數(shù)計(jì)數(shù)器n、學(xué)習(xí)速率、精度e_min中的一種或多種，選擇預(yù)測值均方根誤差最小的參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。

5.根據(jù)權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解和BP神經(jīng)網(wǎng)絡(luò)的地鐵沉降預(yù)測方法，其特征在于：所述步驟S4為：根據(jù)式(1)預(yù)測得到沉降數(shù)據(jù)：

P＝∑IMFs+r₁ (1)

式(1)中，P為預(yù)測得到的沉降數(shù)據(jù)，IMF_S為各頻段所得預(yù)測值，r₁為預(yù)測殘留分量。