建筑物基础沉降数学模型研究

建筑物的基础沉降情况对建筑物的安全运营至关重要。已越来越受到人们的重视。本文在分析建筑物基础沉降成因的基础上，吸取当前常用数学模型的优点，经综合分析，事理成为一种全新的数学模型，并应用工程实测数据，对该数学模型的精度、预报能力等进行了验证，证明该模型是一种较有效的数学模型。     

改进的时间序列法用于边坡沉降分析与预测

运用数学模型或力学方法对变形监测数据进行分析与预测尤为必要,本文详细介绍了时间序列法中的差分自回归移动平均模型（ARIMA）、平稳性与白噪声检验、模型定阶与参数估计、模型检验与预测的过程,针对其预测的准确性会随着时间推移而降低的问题,提出了一种改进的时间序列法,通过建立一个动态的数据窗口,及时引入最新的数据信息更新计算模型参数,并对某轨道边坡工程的沉降监测数据进行了建模分析和对比预测。结果表明：改进后的方法提高了模型的预测精度,在实际工程中具有可行性和有效性。     

建筑物沉降规律的曲线拟合模型研究

建筑物的沉降监测数据序列具有趋势化的特点,通过对建筑物沉降监测数据序列的统计分析,建立建筑物沉降量趋势项及差异沉降量趋势项的数学模型,计算建筑物沉降量及差异沉降量的即时速率,为建筑物的后期监测精度及监测周期提供设计依据.通过工程实例验证,建筑物沉降量及差异沉降量所采用的双曲线回归模型具有较高的拟合精度和预测能力,可实现对建筑物末来沉降趋势的综合预测预报,为建筑物的运营安全评估提供科学的决策依据.     

基于建筑物地表沉降数据的变形预测方法比较

为了研究隧道周边建筑物地表的变形,本文根据京东方蒸汽管道工程隧道开挖过程中周边建筑物地表的沉降观测数据,利用二次指数平滑法和灰色系统法建立数学模型,分别对建筑物地表做变形预测,并对预测结果进行分析和对比,结果显示二次指数平滑法的预测精度更高。对于隧道周边建筑地表沉降的预测二次指数平滑法效果更好,比较符合实际变形曲线,相对来说是一种较好的变形预测方法,为隧道的开发过程中防止安全事故的发生、避免经济损失和人员伤亡提供一种参考方法。     

时间序列分析在工程安全监测中的应用研究

当前我国处于基础建设的大发展时期,对大型工程的安全监测工作提出了更多的要求.在获取工程变形监测的数据后,如何准确地建立变形模型并对未来的变形趋势做出一定的预测,是当前工程安全监测研究的重点.时间序列分析利用逐次观测值间的时序性和相关性,对监测数据建立相应的数学模型并对模型进行研究分析,解析数据内在的结构和特性,然后根据历史数据预测将来的趋势.本文介绍了时间序列分析的相关理论,并在沉降监测数据处理中进行了应用,结果表明,该方法在进行短期预测时效果比较理想.     

基于自适应卡尔曼滤波的高层建筑物沉降预测模型研究

由于传统卡尔曼滤波处理实时动态数据中所建立的数学模型不精确或动态噪声特性不准确,导致状态估计失真,甚至导致滤波发散的现象。为了提高高层建筑物沉降监测实时预测的准确性与可靠性,克服传统卡尔曼滤波进行沉降预测中噪声的不足,本文采用方差补偿自适应卡尔曼滤波理论进行分析预测,并通过实测数据对比分析,验证了方差补偿自适应卡尔曼滤滤波理论进行沉降预测的可行性,且预测精度较高。     

非等间隔灰色模型在桥梁墩台沉降预测中的应用

灰色系统理论具有对样本数量需求少、预测精度好的特点,被广泛地应用于隧道桥梁、公路建设中的数据建模分析,但该数学模型严格要求样本序列等间隔性,因而限制了其适用区间。本文以桥梁墩台沉降数据为例,采用时间加权因子对传统灰色模型方式进行改进,并对其预测效果进行精度检验,为相关非等间隔工程数据建模提供一定的理论参考。     

老采空区地表沉降监测工程实践与资料分析

针对老采空区地表沉降的不确定性,通过监测方案的设计与实施,采集数据预处理对某一矿区进行分析,利用surfer软件得到了六个监测点的三维线框图并进行渲染。对监测工程资料进行平差处理,得到了各个观测量的精度指标。针对变形监测数据的变化特点,使用AR(p)模型进行编程,主要依据时间序列分析的建模步骤,将建模步骤中的数学公式转换为MATLAB编程语言然后使用编写的程序对变形观测数据进行分析,用前面多期监测数据建立数学模型,并对后面几期进行沉降预测,同时与实测值进行比较分析,用以检验时间序列预测的准确性。     

灵武市体育中心沉降监测分析

根据相关规范,对灵武市体育中心建设过程进行沉降监测,通过监测结果得到沉降量和沉降速率随时间的变化趋势并进行预测分析,得到该建筑物的沉降变形规律,用于了解工程安全情况。     

结合Kalman滤波与小波神经网络的沉降形变监测

高速铁路隧道工程监测点沉降曲线具有小沉降、大波动的特点,沉降变形数据中存在大量随机噪声,将影响沉降变形分析的准确性。将Kalman滤波应用于高铁隧道沉降变形数据预处理,对沉降变形数据进行去噪,再利用小波神经网络对去噪后的沉降变形数据进行预测分析,从而提高单一小波神经网络的预测精度。通过工程实例分析表明,结合Kalman滤波的小波神经网络预测精度优于单一小波神经网络,具有更好的应用价值。     

遗传BP神经网络叠加区域沉降的工程沉降分析与预测方法

根据区域沉降地区工程沉降监测特点,将在一定程度上能够反映区域沉降的基准点和工作基点变形信息引入遗传BP神经网络工程沉降预测分析中,研究出一种基于遗传BP神经网络叠加区域沉降的工程沉降分析与预测方法.工程实例建模分析表明,其沉降预测值拟合精度较传统方法得到较大提高,能更好地反映工程建筑物的沉降情况.     

利用二次移动平均法的GM(1,1)模型和Kalman滤波在沉降监测应用中的比较分析

利用时间序列分析方法中的二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上建立固定维数的动态GM(1,1)灰色模型进行沉降预测,同时利用Kalman滤波方法进行沉降预测,结合实际算例结果表明,这两种模型均能够较好地进行预测,证明了这两种预测模型均具有一定的可行性和有效性,并对两种预测模型在沉降监测预报中的应用进行了比较和分析。     

基于灰色支持向量机的地铁沉降滚动预测

为了确保地铁隧道主体结构和周边环境安全,必须对地铁隧道结构进行沉降监测,对监测数据进行及时分析与反馈,并对以后的沉降情况作出预测,对防止事故发生有着重要的现实意义。本文结合灰色系统理论和支持向量机(SVM)的基本原理,采用滚动预测的方式建立灰色支持向量机沉降预测模型,以提高沉降预测精度。通过工程实例的预测结果对比表明,组合模型与灰色和SVM两个单独预测模型相比能够更准确的反映实际的沉降过程,具有很大的应用价值。     

一种计算高铁沉降预测常用模型参数的新方法

高速铁路的修建需要对线下构筑物进行沉降观测和沉降评估。本文深入研究了常用的5种预测函数模型及其参数的一般解算方法,并基于Matlab软件的lsqcurvefit函数提出了一种新的参数解算方法,最后通过实际工程数据检验,证明了该方法有较高的可行性和精确度。     

弱化缓冲算子修正的离散灰色预测

针对地铁通风井深基坑工程的沉降数据扰动因子多、传统灰色模型预测效果差的不足,本文以DGM(1,1)模型为基础,利用弱化缓冲算子能够有效地处理含有扰动因素的原始监测数据的优势,较好地改善了基础模型的预测精度。本文在系统分析弱化缓冲算子对DGM(1,1)预测修正过程的基础上,选用3种弱化缓冲算子对风井基坑周围的地表监测点D2和给水管线监测点S2进行沉降量预测的对比分析。工程实例分析表明:平均弱化缓冲算子修正后的DGM(1,1)模型具有较高的预测精度,可以用于工程中的沉降预测。     

马尔可夫链改进的MMF沉降预测模型及应用

针对地基沉降机理复杂及随机性特点,结合马尔可夫链理论,本文建立了一种马尔可夫链改进的MMF沉降预测模型。首先采用部分实测沉降数据,利用CurveExpert软件拟合MMF模型;然后根据MMF模型预测相对误差大小,并按照马尔可夫理论划分状态区间,构建状态转移概率矩阵,预测下一个沉降量所处的状态,从而得到了马尔可夫链改进的MMF预测值;最后将本文模型应用于深圳滨海大道市政工程软土路基沉降预测中,并对模型的预测效果进行精度分析。结果表明,马尔可夫链改进的MMF模型的预测精度较单一的MMF有明显提高,建模方法合理,可用于类似的工程预测。     

黄土路基客运专线沉降监测技术研究

客运专线路基作为轨道结构的基础,其沉降监测及工后沉降预测非常关键。必须对沉降观测资料进行分析以预测工后沉降、确定无碴轨道铺设时间。本文以西宝客运专线为例对黄土路基工程沉降监测工作进行了论述。     

高层建筑物沉降监测与预测方法

高层建筑物沉降变形监测是工程建设中一项十分重要的工作,为了系统地阐述高层建筑物沉降变形监测作业、数据处理及建模预测等方法,文章结合具体工程实例,详细地介绍了其监测作业过程、数据处理方法、图表分析内容以及沉降变形稳定性判别等方法要素,以回归拟合的方法对某代表性观测点监测数据进行了建模与预测分析,并与其它观测点数据进行了预测对比,同时对所建回归模型方程进行了显著性检验、预测区间估算和预测精度分析等,为类似工程实践及数据处理与分析方面提供方法参考。     

两种客观赋权法及其在确定组合预测权重中的应用

构建组合预测模型对工程沉降问题进行预测,是一种有效的预测方法,它能综合利用各单一预测模型的有用信息,提高预测精度,但确定其权系数的计算较为复杂。文中利用两种客观赋权方法来计算组合预测模型中的权重,方法简单易懂且使用方便,并通过实例分析证明其优越性。     

灰色系统GM(1,1)模型在建筑物变形监测中的应用

对GM(1,1)模型的基本原理进行了介绍,给出了模型预测精度评定的方法和等级指标,并基于MATLAB实现模型对实际工程沉降数据的预测,对模型的预测效果进行了分析。