软土地区工程性地面沉降预测的非等时距GM(1,1)模型

大规模城市建设诱发的工程性地面沉降已成为上海软土地区地面沉降新的制约因素。本文针对上海地区工程性地面沉降特点,运用灰色理论建立了非等时距GM(1,1)预测模型,并用工程实测数据进行检验,得到令人满意的预测结果。研究结果对预测和控制软土地区由建筑物群引起的地面沉降具有重要意义。     

基于灰色理论的时间序列分析在地面沉降预测中的应用

地面沉降的准确预测对减灾防灾和指导地区工程规划和建设意义重大。使用地区地面沉降观测数据,将灰色理论模型与时间序列分析相结合,构建组合模型。该组合模型既反映地面沉降与其影响因素之间的灰色关系,又考虑地面沉降观测数据的随机性,有利于对地区地面沉降做出科学合理的预测。     

灰色线性回归组合模型在北京地面沉降分层预测中的应用

灰色系统理论GM(1,1)模型,应用于地面沉降模拟和预测中只能分析数据的指数变化规律。对于地面沉降发展过程中,存在的线性关系不能有效地反映。本文利用灰色组合模型中的第一类灰色组合模型即GM(1,1)与线性回归模型相融合。选取北京东部某地面沉降监测站2004～2012年的分层监测数据建立模型,计算出各监测层位沉降的数学模型,并以此预测各监测层位地面沉降量。结果表明：利用灰色线性回归组合模型在对地面沉降进行分层模拟和预测是可行的。在已有数据的基础上,利用数学模型进行沉降模拟时,两种模型的精度均很高,但通过模型预测未来一年沉降量时,灰色线性回归组合模型的精度,要远高于普通均值GM(1,1)模型。     

基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测

针对现有城市地面沉降预测方法过度依赖沉降数据、模型单一等问题,以云南省昆明市主城区为研究对象,从多时序多因子角度提出一种改进BP神经网络在城市地面沉降中的预测方法。首先,利用SBAS-InSAR技术获取主城区地面沉降监测值,然后通过SPSSAU软件中的灰色关联分析和因子分析选取主城区地面沉降的影响因子,并将其与获取的沉降监测值从多因子多时序角度构建GA-BP和PSO-BP预测模型,最后,得出最优的预测模型并进行预测性能验证。实验结果表明：利用SBAS-InSAR能有效监测城市地面沉降;GA-BP算法相比PSO-BP算法在城市地面沉降预测中性能更好、精度更高;该方法可对长时间、大范围城市地面沉降预测和对某一沉降点多期沉降趋势进行预测。该方法可作为城市地面沉降预测的有效手段,为政府部门决策提供了一种高效快速的方法。     

武汉阳逻电厂烟囱基础沉降预测研究

由于影响因素的复杂性及参数选取的问题,基于固结理论的沉降计算值与实测值有较大差异,沉降预测有着重要的研究意义。灰色系统理论成功地解决了许多信息不完全的预测问题,并得到了广泛的应用。灰色模型的建立,是以等时距原始数据作为前提条件的。由于在实际应用时所获取的数据往往不是等时距的,难以建立其预测模型。为了克服灰色模型以上缺点,对灰色模型进行了改进,建立了不等时矩的预测模型。将不等时距灰色预测模型应用于武汉阳逻电厂烟囱基础沉降中,并采用FLAC3D有限差分程序对烟囱基础沉降全过程数值模拟,通过跟踪关键监测点的位移与实际监测值对比研究,结果表明,不等时距灰色预测模型精度较好,可以运用到实际工程中。     

地面沉降的GM(2,1)模型预测研究

运用灰色理论建立地面沉降的GM(2,1)模型,其中非等时距位移序列采用拉格朗日插值函数转变为等时距序列。采用非等时距GM(2,1)及GM(1,1)模型对西安市地面沉降观测点进行安全预测。计算结果表明,非等时距GM(2,1)模型预测地面沉降精度总体较GM(1,1)模型高,预测结果与实际吻合较好。     

第七届国际地面沉降学术研讨会(中国上海2005))征文启事

自然地质因素引起的沉降地下流体开采引起的沉降地下固体矿产资源开采引起的沉降化学过程引起的地面沉降地面沉降与地裂缝落水洞沉降实验室试验以及原位测试地面沉降的监测地面沉降模拟和预测的机理与模型地面沉降防治措施及其环境影响人工回灌引起的地面变形地面沉降的经济效应自20世纪50年代以来,人类经济工程活动引发的地面沉降日益突出,在世界各地也日渐普遍,成为影响可持续发展的重要问题。国际学术界对地面沉降问题极为重视,联合国教科文组织也深刻认识到地面沉降危害的严重性,并组织召开了一系列国际地面沉降学术研讨会,自1969年至今…     

参数累积估计灰色模型及地面沉降预测

基于传统GM（1,1）地面沉降预测模型的非稳定性,引入参数累积估计方法来代替最小二乘法,构建了参数累积估计的灰色沉降预测模型。通过对上海市地面沉降的预测,证实模型降低了矩阵条件数,提高了沉降预测的稳定性,进而对上海市分层沉降进行了预测,并给出相应的模型稳定性判别,预测结果给出了上海沉降的发展趋势,为地面沉降的合理防治提供了帮助。     

基于混沌神经网络理论的城市地面沉降量预测模型

通过分析城市地面沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性。在此基础上,通过相空间重构的方法建立了用于城市地面沉降量预测的混沌神经网络模型;并利用此模型对高桥地面沉降量进行了预测,并和实际监测沉降量进行了比较,最大绝对预测误差为1. 7,预测的平均误差为0. 0833,研究结果表明,应用混沌神经网络模型进行城市沉降预测是可行、精确的。     

改进的灰色预测模型在地面沉降预测中的应用

在地面沉降这一复杂系统中,既含有已知的又古有未知的或非确定的信息,可以作为一个灰色系统来研究.本文针对地面沉降的下沉曲线非线性特征,提出用一种基于残差灰色预测模型对地面沉降量时间序列进行研究.结果表明,通过改进后的灰色预测模型,预测精度得到了提高,在沉降量比较大和水准点比较稀少的地区,利用此模型预测地面沉降可减少地面沉降监测经费,并能实时提供地面沉降预警信息.     

Application of grey theory-based model to prediction of land subsidence due to engineering environment in Shanghai

Land subsidence is a common geological hazard. The long-term accumulation of land subsidence in Shanghai has caused economic loss to the city. Since the 1990s, the engineering structures have become a new cause of land subsidence. Many factors affect the process of land subsidence. Although such a process cannot be explicitly expressed by a mathematical formula, it is not a “black box” whose internal structure, parameters, and characteristics are unknown. Therefore, the grey theory can be applied to the prediction of land subsidence and provides useful information for the control of land subsidence. In this paper, a grey model (GM) GM (1, 1) with unequal time-intervals was used to predict the subsidence of a high-rise building in the Lujiazui area of Shanghai, and the results were compared with the monitored data. The prediction of subsidence was also corroborated by laboratory tests and the results were compared with measured data and the predicted data by the adaptive neuro-fuzzy inference system (ANFIS). It is found that the GM (1, 1) with unequal time-intervals is accurate and feasible for the prediction of land subsidence.     

上海市地面沉降动态分析与灰色预测

本文应用灰色系统理论的关联度分析法,分析了上海市地面沉降在时间、空间上的变化特征,进而以市区和近郊区典型地段的地面沉降监测资料为基础,建立了灰色预测模型,并在某些假定前提下预测了上海市地面最终沉降量及“沉降寿命”。     

地面沉降模拟计算的灰色离散GM（1，1）模型

地面沉降的模拟计算属于灰色问题,建立一个有效的灰色预测模型是十分重要的,在分析灰色线性回归组合模型模拟序列特点的基础上,建立了以原始数据直接建模的离散GM（1,1）模型（称为ODGM（1,1）模型）,将某沉降实例数据建立ODGM（1,1）模型,并与灰色线性回归组合预测模型进行比较,结果证明离散GM（1,1）模型优于灰色线性回归组合预测模型。     

New grey prediction model and its application in forecasting land subsidence in coal mine

Mining subsidence destroys environment seriously and is difficult to forecast because the parameters in prediction model are difficult to obtain. As there are many uncertainties in mining subsidence, we forecast it by grey prediction model. Traditional GM (1,1) model predict for a time series. In this paper, the panel data are studied and are viewed as a sequence in which elements are matrix based on cross-sectional data, and the mean sequence of row vector GM (1,1) model, mean sequence of column vector GM (1,1) model and the cell volume sequence GM (1,1) model are established, respectively. Combining these grey models, we build prediction model of cross-sectional data matrix sequence. Thus, the scope of grey prediction has been expanded, and grey forecasting theory has been enriched. Using the newly built predictive models, we study the land deformation due to mining of Pingdingshan coal mine in Henan Province. Practical verification and model accuracy test show that the grey model can make accurate predictions, with a good agreement between the predictive value and actual value. It can provide effective and accurate information and also can provide an important reference for the reclamation planning of surface environment.     

灰色系统在地面沉降分析中的应用

该文将灰色系统理论引入地面沉降的研究之中。根据上海地面沉降的历史数据建立了上海地面沉降发展的GM(1,1)模型以及地面沉降与地下水位变化的映射GM(1,2)模型,最后运用所建立的模型对地面沉降的发展态势进行了预测。     

灰色预测在软土地基沉降分析中的应用

运用灰色理论建立了软基沉降的不等时距预测 G M ( 1, 1)模型 ,并可用残差的 GM ( 1, 1)模型对其进行修正。工程实例验证结果令人满意。     

灰色新陈代谢GM(1,1)模型在高速公路滑坡中的变形预测研究

传统GM(1,1)模型用于预测时,该模型在初始的少量数据中,才能充分利用有限的数据反映系统的发展变化,越往后监测,该模型的预测精度就越弱。而在实际应用中,必须不断考虑那些随时间相继进入系统的扰动或驱动因素,随时将每一个新得到的数据置入系统中,建立新信息GM(1,1)模型进行动态预测。因此,针对传统GM(1,1)模型存在的不足,文章建立了灰色新陈代谢GM(1,1)滑坡预测模型,并利用该模型对巴达高速公路滑坡位移变形进行了预测。结果表明,灰色新陈代谢GM(1,1)模型精度较高,预测误差较小,有很好的工程应用价值。     

灰色理论在快速法载荷试验数据处理中的应用

探讨了灰色理论方法在快速法载荷试验数据处理中的应用,并运用此理论对快速载荷试验各级荷载下的t-s曲线及总体的P-S曲线进行预测,以得到荷载作用下与慢速法一致的稳定沉降量。用VB语言编制了实用计算程序,通过对实例计算,得到的预测值与稳定沉降进行对比,证明了该法对于两种曲线的预测是可行的。同时评价了GM(1,1)以及等维灰数递补GM(1,1)两种模型对于远距离预测的精度。算例表明,对于P-S曲线的外推预测,最好只进行2～3级,外推级别较多时,精度不高,若应用于远距离预测,必须对模型作进一步改进。