Page 109 - 2025年第56卷第6期

图 ７ 基于 ＣＥＥＭＤＡＮ分解的灌浆功率 ＩＭＦｓ

４．２ 训 练 与 预 测 本 实 验 模 型 训 练 配 置 为 搭 载 表 １ ＥＧＲＮ模型超参数配置
ＩｎｔｅｒＣｏｒｅｉ７ １１７００ｆＣＰＵ、 ＮＶＩＤＩＡ ＧｅＦｏｒｃｅＧＴＸ
超参数 取值
１６６０Ｔｉ显卡和 １６Ｇ内存的计算机。针对所研究的
ＣＥＥＭＤＡＮ添加白噪声次数 ５００
灌浆功率预测问题，将前述 ＩＭＦｓ序列以滑动窗口 ＣＥＥＭＤＡＮ添加白噪声标准差 ０．２
法进行取样，并设置窗口宽度为 ２０，步长为 ５，共 ＭＨＡ头数 ４
获取 １５４个 样 本，随 后 将 其 划 分 为 训 练 集 １２４个
ＧＲＵ隐藏层数量 ２
（约 ８０％）和测试集 ３０个（约 ２０％），进行灌浆功率
ＧＲＵ隐藏层大小 ６４
的多步 预 测。在 此基础 上，使 用基 于梯 度 下 降 的
ＴＰＡ滤波器数量 ３２
Ａｄａｍ优化器训练 ＥＧＲＮ模型，以期在最小化均方
学习率 ０．００１
误差 ＭＳＥ的目标函数下获得最优解，模型配置的
随机失活数 ０．５
超参数见表 １。
迭代次数 １０００
ＥＧＲＮ模型预测值及与真实值的绝对百分比误
差 （ＡｂｓｏｌｕｔｅＰｅｒｃｅｎｔａｇｅＥｒｒｏｒ， ＡＰＥ）如 图 ８所 示。
图中，红线表示预测值，黑线表示真实值，柱状图
表示两者之间的 ＡＰＥ值。从整 体看，预测 值与 真
实值呈现出相同的下降趋势和近似的波动形态。表
明了该模 型 有 效 地揭示 了灌 浆功 率的动态 演变 特
性，证实了模型能够挖掘并构建灌浆功率变化的内
在规律，展现了其在捕捉此类复杂信息特征上的高
效与精确性。因此，本文提出的 ＥＧＲＮ模型具有可
行性。从局 部 看，在 时 间 步 为 ５３的 极 小 值 处 时，
预测值与真实值之间的 ＡＰＥ达到 １３．４８％，两者间
的绝对误差为 ６．９４ＭＰａ·Ｌ?ｍｉｎ，是数据偏离最为
图 ８ 灌浆功率预测值与真实值对比
突出的时间节点。从真实值的变化趋势可以看出，
灌浆功率从时间步 ４３处降至时间步 ５３的峰谷处，下降值为 １８．４５ＭＰａ·Ｌ?ｍｉｎ，而本模型预测值在该
区间内下降值为 ８．７７ＭＰａ·Ｌ?ｍｉｎ。虽然与真实情况存在一定的差异，但该预测模型在此处表现出的
下降趋势与真实值相似，可能是施工过程中出现了意外因素，导致环境发生变动，数据中出现较大不
确定性或噪音，导致预测值偏离真实值。若发生在灌浆现场中，应执行人工核查或干预流程，识别造
成误差的原因，确保灌浆施工正常进行。

— ７ ９ ７ —