高层建筑物沉降观测及双时段数据分析

以咸阳某小区高层建筑物沉降观测数据为例,探求沉降观测的不同时段数据分析与预测的较优方法。应用线性回归模型和灰色系统模型对封顶前和封顶后的沉降观测数据进行了分析和预测,比较两模型在不同时段进行数据分析时的结果,得到在建筑物封顶前沉降观测数据分析时,采用回归模型和灰色系统模型均可,对封顶后的沉降观测数据分析时灰色系统模型则更为适合。     

灰色预测在建筑物沉降变形分析中的应用

本文将灰色系统理论的GM(1,1)模型应用于建筑物沉降变形数据分析,结合南宁市民生广场沉降观测实例,进行沉降预测结果的分析和检验,充分证实了在建筑物沉降变形分析中应用灰色预测方法的可行性。     

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。     

建筑物沉降数据分析的灰色预测方法

本文将灰色系统理论的GM（1，1）模型应用于建筑物沉降观测，并结合南宁市民生广场沉降观测实例，进行沉降预测结果的分析和检验，充分证实了在建筑物沉降变形分析中应用灰色预测法的可行性。     

径向基神经网络在沉降预测中的应用

针对大型建筑物的沉降监测存在较多的不等时间间隔沉降监测数据,现有模型需要对此类数据进行等间隔处理后建立沉降预测模型的现状,该文采用无需对监测数据进行等间隔预处理的径向基神经网络对沉降监测数据建立沉降预测。通过对西安某大厦基坑开挖对地表和周围建筑物影响的沉降监测数据进行实例分析,并与非等间隔灰色GM(1,1)预测模型进行对比,利用模型评价指标评价预测模型精度。结果表明:采用径向基神经网络建立预测模型处理过程简便,其预测精度优于非等间隔灰色GM(1,1)预测模型。     

基于非等间距模型的建筑物沉降预测方法研究

该文基于实测资料进行建筑物沉降预测。在灰色模型和泊松曲线模型理论的基础上,引入对非等间距数列进行变换处理的方法,从而建立了非等间距预测模型。结合建筑物沉降监测资料进行分析比较,结果表明,两种预测方法均能较好地反映建筑物的沉降趋势。     

基于灰色系统理论的高层建筑变形分析应用研究

简述了灰色系统理论及该理论在高层建筑沉降变形监测分析中的应用思路,详细叙述了灰色模型的建模过程[1].实例中,通过某高层建筑物4个监测点的6期观测数据,完成了模型参数的推导,建立了空间多点灰色预测模型.利用所建立的灰色模型对建筑物形变进行预测模拟,经模拟沉降值和实测数据的对比得出,该模型严密、可靠性好、精度高,该方法可用于建筑物变形的预测模拟.     

改进的卡尔曼灰色模型在隧道沉降预测中的应用

为提高地表沉降预测精度,针对灰色预测模型(GM(1,1))易受随机干扰影响致使预测精度不高的问题,建立了基于卡尔曼滤波的灰色理论预测模型。考虑到沉降量受到温度和时间因素影响较大的特点,将地表的沉降看作时间、温度的相关函数来建立卡尔曼滤波模型,并利用迭代滤波理论和LevenbergMarquardt优化滤波,构建改进的卡尔曼滤波模型。改进的卡尔曼滤波模型与灰色模型相结合,应用于地表沉降预测中,并将改进的卡尔曼滤波灰色模型预测结果与卡尔曼滤波灰色模型的预测结果进行对比。实例计算表明,使用改进的卡尔曼滤波对消除检测数据扰动误差后的数据进行灰色模型预测的精度相比于单纯灰色预测的预测精度更高。     

GM-ARMA-BP组合模型在建筑物沉降预测中的应用

针对建筑物变形监测中的沉降预测问题,本文结合灰色模型、时间序列模型和BP神经网络模型的优点,提出了GM-ARMA-BP组合模型进行沉降预测的方法,有效克服了单一模型稳定性差的缺点,并以某高层建筑沉降观测数据为样本,通过对这几种模型的沉降预测结果进行比较分析,结果表明:GMARMA-BP组合模型预测效果最好,精度较单一模型提高50%以上,并且具有一定的适用性。     

基于灰色神经网络组合模型的矿区地表变形预测方法研究

矿山开采区地表变形是资源开采引起的重要现象。监测、分析其内在规律,建立预测模型预计开采区地表沉降,对矿山安全生产和企业经济可持续发展具有重要意义。针对地表沉降变形预测,分别建立了BP人工神经网络模型、灰度预测模型、时间序列模型以及灰色神经网络组合模型,探讨四种模型适用场景及模型局限性,结合矿区地表一年的实际监测值进行模型精度评定,分析比较四种模型的模型特点以及预测结果。综合比较表明组合模型融合了BP神经网络与灰度预测模型的优势,预测精度高,更加贴合实际测量值,且广泛适应性强,可适用于多种应用场景,能较好地反映矿区地表沉陷变形发展趋势。     

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。     

建筑物沉降监测中的改进灰色模型

针对传统非等间距GM(1,1)模型在建筑物沉降监测中预测精度不够高的问题,提出了一种新的非等间距GM(1,1)建模方法。此法基于初始条件改进及把灰色微分方程的白化方程中的灰导数用离散形式进行表示的改进相结合、提高非等间距GM(1,1)模型的建模精度。结合桂林市某广场的集商用、住房于一体的高层建筑的沉降变形监测实例,将本模型的沉降预测的结果同文献中另一非等间距GM(1,1)改进方法进行对比分析和检验,充分验证了建筑物沉降变形分析预报中本模型方法的可行性和优越性,对进一步促进非等间距GM(1,1)模型在沉降变形预测中的应用起到了积极的作用。     

基于非等间隔GM(1,1)模型的沉降预测

使用非等间距GM(1,1)模型、基于线性内插和基于神经网络的GM(1,1)模型对某建筑物的沉降观测数据进行分析和预测,并将建模过程在Matlab中用程序语言进行描述。依据预测结果对3种方法的优缺点进行说明,对于实际工程的数据处理方法选取有一定的指导意义。     

高层建筑形变监测中动态灰色理论模型的应用

利用灰色理论模型对高层建筑物变形监测数据进行了建模和分析,并针对传统GM(1,1)模型在预测过程中的数据发散问题,对模型进行了改进,建立了动态GM(1,1)模型。通过对两种模型的预测结果与实际观测值的比较,证明动态模型在中长期变形监测中具有明显优势。     

灰色GM(1,1)模型在高铁线下工程沉降变形预测中的应用

讨论了GM(1,1)预报模型的建立及应用问题,并通过对贵广铁路某高架桥沉降变形数据进行研究,结果表明,利用GM(1,1)建模进行预报具有理论的可行性和现实意义,说明灰色理论在线下工程沉降变形监测中具有实用价值。     

公路路基沉降灰色预测方法之探讨

根据公路路基沉降规律和GM(1,1)模型单调指数变化的特性,提出了对原始数列进行分析,合理选择GM(1,1)模型或灰色Verhulst模型。若原始数列处于快速沉降阶段,宜选用GM(1,1)模型;若原始数列处于沉降饱和阶段,宜选用灰色Verhulst模型,并用数学方法证明了灰色Verhulst模型的合理性。     

回归分析与灰色理论在建筑物沉降变形分析中的应用

沉降监测的数据分析与预计在工程建设中具有决策辅助作用。选择合理的预测模型进行沉降预计,可以提高预计精度。结合工程实例,对焦作市×××项目8号楼进行沉降监测,分别用回归分析模型和灰色理论GM(1,1)模型进行数据处理,从而说明两种模型各自适用的环境条件和优缺点,预计效果令人满意。     

灰色-小波神经网络支持下对地铁工程沉降变形的预测

变形监测是安全化工程施工和管理的重要内容，贯穿于项目的设计、施工和运行，对监测的沉降数据进行处理，并预测沉降量，提前对工程作出安全预警，有很重要的实际意义。本文基于GM（1，1）灰色模型、小波分析和神经网络结合的相关理论，借助Matlab软件编程，建立了灰色-小波神经网络变形预测网络模型。结合工程实例，将建立的变形预测网络模型应用于累积沉降量观测数据，结果表明组合模型具有很稳定的预测效果，比单独的GM（1，1）灰色模型预测准确度高，且训练样本越多，预测越符合实际情况。     

非等步长GM(1,1)模型及其在大堤沉降监测的应用

针对非等步长数据,传统GM方法是构造等步长序列,生成1-AGO序列,再建立等步长GM(1,1)模型。考虑到变形观测序列非等步长特性,以相邻观测时间间隔为权,直接生成1-WAGO序列,建立非等步长GM(1,1)模型。将GM(1,1)模型应用于堤防工程沉降观测分析与预报,得到了有益的结论。