间接DGM(1,1)模型在基坑沉降预测中的应用

选取某一基坑沉降监测点,该点11个周期的累计沉降量为近似非齐次指数增长序列,以Java为工具对该点进行编程计算,得到GM(1,1)、DGM(1,1)、间接DGM(1,1)3种模型的基坑沉降预测结果。对比分析发现,间接DGM(1,1)模型精度高于GM(1,1)和DGM(1,1)模型,其C值仅为0.01,且残差值增加缓慢,近似于一条水平线,实测值与预测值非常接近,适用范围广,弥补了另两种模型不能进行长期预测的缺憾。     

缓冲算子的VGM(1,1)模型预测精度研究

针对沉降过程中的沉降加速度和冲击扰动项问题,该文改变以累计沉降量作为GM(1,1)模型建模数据的传统做法,提出了以沉降速度为建模数据的VGM(1,1)模型和基于缓冲算子的VGM(1,1)模型。通过分析基坑沉降量的预测结果,比较VGM(1,1)模型、基于缓冲算子的VGM(1,1)模型、基于缓冲算子的GM(1,1)模型以及GM(1,1)模型之间的精度变化。实验结果表明,VGM(1,1)模型以及基于缓冲算子的VGM(1,1)模型均可提高预测精度,基于缓冲算子的VGM(1,1)模型精度高于VGM(1,1)模型,冲击扰动项对预测值的影响程度大于沉降加速度对预测值的影响程度。     

基于残差改正的动态非等时距灰色模型及应用

介绍了动态非等时距GM(1,1)模型的建模原理、建模过程以及精度评定方法,阐明了动态非等时距GM(1,1)模型中维度选择、残差改正的问题,结合高层建筑沉降监测实例进行分析,将动态非等时距残差GM(1,1)模型预测结果与实测值进行比较,得出动态非等时距残差GM(1,1)模型在建筑物沉降监测中具有很高预测精度的结论,证明了该方法的可行性与可靠性,适用于高层建筑沉降监测.     

缓冲算子的VGM(1,1)模型预测精度研究

针对沉降过程中的沉降加速度和冲击扰动项问题,该文改变以累计沉降量作为GM(1,1)模型建模数据的传统做法,提出了以沉降速度为建模数据的VGM(1,1)模型和基于缓冲算子的VGM(1,1)模型。实验结果表明,VGM(1,1)模型以及基于缓冲算子的VGM(1,1)模型均可提高预测精度,基于缓冲算子的VGM(1,1)模型精度高于VGM(1,1)模型。     

缓冲算子的VGM(1,1)模型预测精度研究

针对沉降过程中的沉降加速度和冲击扰动项问题,该文改变以累计沉降量作为GM(1,1)模型建模数据的传统做法,提出了以沉降速度为建模数据的VGM(1,1)模型和基于缓冲算子的VGM(1,1)模型。实验结果表明,VGM(1,1)模型以及基于缓冲算子的VGM(1,1)模型均可提高预测精度,基于缓冲算子的VGM(1,1)模型精度高于VGM(1,1)模型。     

优化背景值的时变参数GM(1,1)在铁路沉降中的应用

针对传统的GM(1,1)模型在建筑(构筑)物形变和沉降预测中的灰色作用量恒定和背景值构造有偏差的缺陷,该文通过引入线性时间项的灰色作用量和广义加权构造最优背景值相结合的方法构建了优化背景值的时变参数GM(1,1)模型。以实际铁路沉降监测点的累计沉降监测数据为例,分别采用传统的GM(1,1)模型、时变参数GM(1,1)模型和优化背景值的时变参数GM(1,1)模型对观测数据进行了拟合和预测。结果表明,优化背景值的时变参数GM(1,1)模型的拟合和预测精度相比传统GM(1,1)模型和时变参数GM(1,1)模型有很大提高,适合于铁路沉降数据的监控和分析。研究结果可为铁路的沉降预测提供一定的参考价值。     

非等时距MGM(1,m)模型在高速公路沉降预测中的应用

分别以Lagrange插值法和三次样条曲线法为基础,利用灰色理论建立高速公路沉降预测的非等时距GM(1,m)模型。分析比较MGM(1,m)与GM(1,1)模型精度,基于非等时距的MGM(1,3)模型沉降预测结果与实测情况吻合较好,拟合与预测精度也比非等时距GM(1,1)的精度高,非等时距的序列转换采用Lagrange插值函数法和三次样条曲线法求得,对于此次工程数据采用三次样条曲线法较Lagrange插值函数法精度高。     

修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析

变形监测在建筑物施工和运营管理方面是一个至关重要的环节,变形监测的预测模型有很多。选取适当的变形监测预测模型对于预测建筑物的变形尤为重要。本文运用灰色模型GM(1,1)、BP神经网络和曲线拟合中的修正指数曲线对一幢大楼13期的沉降观测数据进行分析。利用前12期沉降观测数据构建预测模型来预测第13期沉降观测的数据,将预测的结果与实际测量的结果进行比较,得出这三种模型预测的精度。结果表明:在这一幢大楼的沉降观测预测中,修正指数曲线法预测的精度要比灰色模型GM(1,1)和BP神经网络预测的精度高。     

基于小波去噪的灰色Verhulst模型在高铁路基沉降预测的应用

高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色Verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色Verhulst模型、GM(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:GM(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色Verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。     

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。     

基于GA-SVR的地铁隧道沉降预测

利用支持向量回归(SVR)和遗传算法(GA)参数寻优,建立了基于GA-SVR的地铁隧道沉降预测模型,可提高地铁隧道沉降预测的精度。利用长期实测的地铁结构监测数据对SVR模型进行训练,并通过GA优化SVR模型的3个参数;利用训练模型均方误差结合留一交叉验证的方法确定GA的适应度。基于南京地铁2号线隧道结构沉降实测数据,将预测值与实测值进行了对比分析。结果表明,该模型预测的地铁隧道沉降预测值准确、可靠,其精度能满足工程实际要求。     

Excel规划求解在桥墩沉降趋势分析中的应用

介绍Excel规划求解得出模型参数的方法,以武咸城际铁路桥墩沉降为例,采用双曲线和对数曲线模型,利用Excel自带的宏-规划求解来解算出两种模型的参数,从而对桥墩的沉降趋势进行分析和对最终沉降量进行预测,比较两种拟合曲线的拟合结果,选取适合桥墩沉降拟合的曲线并对拟合的残差进行二次曲线拟合,用残差二次拟合得到的最终残差值对最终沉降量进行修正,进一步提高了预测值的精度。用该方法得到了较好的效果,为铁路的铺轨以及运营提供了技术性保障。     

改进不等时距权重的灰色残差组合修正模型及其应用

为提高传统不等时距灰色模型（TUTGM）的预测精度，提出了一种改进不等时距权重的灰色残差组合修正模型（IUTWGM-RCC）。首先在传统不等时距灰色模型中引入时距权重分配系数，按照累加生成和累减还原过程的生成序列不同，构建了4种不同的预测模型，并依据相似度准则确定最优拟合序列和预测值；然后采用正弦函数和谐波变化生成的周期序列函数修正残差序列，进一步提高模型的预测精度；最后对建筑物3个观测点的沉降量进行预测。结果表明，累减还原过程引入不等时距权重的灰色模型预测精度最高，经残差组合修正后，预测结果的后验差比分别为0.04、0.11和0.05，精度等级为1级。     

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。     

变权组合预测模型在大坝沉降监测中的应用

为探讨变权组合预测模型在变形监测中的应用,以监测某大坝沉降量为实例,研究基于线性回归预测模型和灰色模型GM(1,1)的变权组合。通过预测该大坝坝内沉降量,比较两种单一预测模型和变权组合预测模型的预测误差平方和,证明变权组合预测模型在沉降预测中具有更好的预测精度。     

多项式曲线拟合与AR模型在沉降预测中的应用

将多项式曲线拟合和AR(p)模型应用到地表沉降预测实例中。通过实测沉降数据与预测数据的对比分析,从而对两种模型预测的准确性进行比较,实验表明两种模型在沉降预测中具有很好的适用性。     

改进的GM(1,1)模型在大坝变形预测中的应用

针对大坝安全监测数据存在贫信息、小样本的问题,通过对原始数据、初始值以及背景值进行优化改进传统的GM(1,1)模型。以某大坝实测径向水平位移数据为例,分别用改进前后的模型进行预测,并与实测值进行对比。验证改进的GM(1,1)模型的优越性与有效性,相对于传统GM(1,1)模型,其预测精度更高。     

基于Logistic和Gompertz曲线模型拟合的建筑物沉降分析

重大工程建设一般会有定期的沉降和变形监测,本研究利用具有规律变化的Logistic和Gompertz曲线模型进行拟合,并以某大型发电厂为研究对象,利用近15年的监测数据,建立预测模型并进行精度评估。研究结果表明,若监测数据具有一定程度的稳定性,并对计算时监测数据进行合理取舍,对采取的全区、分区平均值或单一点高度值的检测数据,运用Logistic和Gompertz曲线模型来预测大型建筑物的沉降情况是可行的。     

基于BP神经网络的矿区地表沉降预测研究

BP神经网络具有非常强的非线性映射能力,广泛应用于分类识别、逼近、回归、压缩等领域。本文基于BP神经网络的理论基础,利用某矿区地表沉降观测点1~10期的实测沉降数据资料,结合MATLAB建立针对矿区地表沉降的预测模型,并预测其11~15期的沉降情况。通过将预测值与实测值进行对比,分析预测模型精度,结果表明BP神经网络用于矿区地表的沉降研究是可行的。     

改进的GM-AR组合模型在地铁沉降预测中的应用

灰色预测模型对沉降的整体趋势有很好地预测结果,时序模型针对随机性的数据进行预测,二者结合一定程度上可提高预测的精度。文中通过改进GM-AR模型并将其应用于地铁沉降预测中,同时与灰色预测模型和GM-AR组合模型的预测精度进行对比分析。结果表明,改进后GM-AR模型可以有较好的预测效果。