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。     

时变参数模型在边坡变形分析中的应用研究

为揭示边坡变形规律,保证边坡安全,采用数学模型对变形监测资料加以分析。边坡变形的时效性明显,为提高灰色模型对边坡不同变形规律的适应性,提高模型的拟合精度和预测能力,对常规的灰色模型进行改进,将常规灰色模型中的常量参数改变为随时间变化的动态参数,由此建立时变参数灰色模型。实例分析结果表明,时变参数模型具有更好的拟合和预测效果,且适应不同变形规律的能力更强。     

不等时距灰色模型在深基坑变形预测中的应用

传统的灰色模型多适用于等间距序列监测数据的模拟预测,而实际上由于各种原因往往使所获得的监测数据是不等时距的。研究了基于不等时距灰色预测方法的深基坑变形预测模型,应用深基坑工程变形的实际监测资料,对其预测精度及可行性进行了充分的分析比较与论证。结果表明,不等时距灰色模型预测深基坑变形的精度及可信度较高。     

变形预测模型在地铁保护区监测中的应用

结合某地铁保护区隧道监测工程,对沉降数据进行了分析及建模预测,以掌握其变形规律并预测变形趋势。由于单一预测模型存在弊端,较难达到预测要求,所以将灰色预测模型与时间序列模型进行组合,并将新陈代谢的思想引入组合模型进行建模预测。结果表明,新陈代谢灰色-时序组合模型预测结果可靠,具有较高应用价值。     

基于北斗卫星的边坡变形监测系统应用研究

为及时准确获取对边坡变形信息,本次研究采用基于北斗卫星定位的边坡自动化监测系统,对某边坡工程进行全天候自动化监测作业,并采用有限元软件Abaqus建立边坡模型,采用数值分析方法对边坡变形的敏感度区域进行分级划分,优化监测点布设位置,最好利用灰色系统分析方法对监测数据进行分析研究,分别建立边坡水平方向和竖向变形灰色GM(1,1)预测模型,并采用精度更高的水平方向预测模型对边坡变形趋势进行预测,效果较为理想,更加贴合边坡变形真值,为边坡工程的安全监测提供了可靠有效的解决方案。     

灰色模型与智能算法组合模型在变形预测中的应用

变形监测工程是一个复杂的综合系统,各种参数具有很大的不确定性.目前变形的预测分析多采用单一的预测方法,而各种方法都有各自的优缺点和应用范围,有时单一的预测方法对判定工程性质带来了困难.引入了组合预测的思想,在灰色GM(1,1)模型的基础上,构建了灰色+GA+BP神经网络组合模型,探索了时间序列的数据处理和预报问题,通过...     

人工神经网络方法(BP)在变形监测中的应用

变形模型的分析研究以及变形预测是变形监测的重要内容,常用的方法有回归分析法、时间序列法、灰色理论方法、人工神经网络法以及变形的组合分析方法等,本文就人工神经网络方法从实际应用的角度出发,对工程实例进行了计算分析,得到了相应的变形分析模型并进行了变形的预测,试验结果说明:人工神经网络方法应用于实际工程的监测预测具有一定的实际意义。     

马尔可夫残差修正模型的高铁路基变形预测

针对灰色系统模型在变形预测中存在预测结果不理想的问题,给出马尔可夫残差修正模型,首先应用灰色预测模型对未来的沉降变形进行预测,然后用马尔可夫过程对预测结果修正,提高预测精度。应用表明:马尔可夫残差修正模型的预测值与观测数据的拟合结果优于传统灰色系统预测模型以及残差修正模型,其预测精度明显提高,沉降预测值更为可靠,可为工程监测提供科学决策依据。     

灰色预测理论在建筑物沉降中的应用研究

简要介绍灰色预测理论,并结合GM(1,1)模型介绍灰色预测在变形监测中的理论方法。以吉林市世纪广场北侧挡水墙为例,分析GM(1,1)模型在变形监测中的精度和可行性,以及特殊情况。     

等维新息灰色模型在深基坑变形预测中的应用

分析了改进的等维新息灰色预测模型用于深基坑变形预测的合理性。应用深基坑实际变形监测资料,对其预测精度及可行性进行了验证。结果表明,等维新息灰色模型的预测精度较高,模型的预测结果基本上能满足要求。灰色预测模型的预测精度与监测的时间间隔是否固定、数据变化的规律性是否明显有关。当规律明显时预测精度较高,而当监测时间间隔波动大、数据有大的跳跃突变时,预测精度较低。     

灰色模型分析法在高层建筑物变形监测预测中的应用

在变形监测过程中,获取监测资料以后,通过对高层建筑物观测资料进行研究分析,可以掌握地基随时间的沉降规律,预测其下一步的变形趋势,并为可能发生的变形做好必要的准备,减少因非预计沉降带来的损失。灰色模型分析法是一种常用的数据处理及预测分析方法,本文在简单介绍了灰色模型分析法的基础上,利用灰色模型分析法预测了变形监测数据,并得出了有益结论。     

基于Logistic曲线的地铁工程沉降预测模型研究

结构变形是一种广泛存在于地铁结构的工程问题,基于现有变形数据选择合适的预测模型对地铁结构变形的发展趋势进行较为准确预测分析对地铁结构的安全运营及维护具有重要意义,也是地铁结构变形监测工作中的一项重要工作。常见的变形预测方法主要有样条曲线拟合、灰色模型、蚁群算法。本文通过介绍"S"形Logistic曲线性质与经典Logistic模型参数估计方法,并利用基于高斯牛顿法的非线性曲线拟合迭代,获取全局最优参数并结合某地区地铁保护区道床沉降监测工程,探讨分析了Logistic预测模型及其预测精度。研究结果表明,Logistic预测模型计算得到的变形趋势与实际工况吻合,模型预测精度较高,对同类型地铁道床沉降预测具有一定参考价值,可为相关工程项目提供参考。     

改进灰色人工神经网络模型的超高层建筑变形预测

针对灰色人工神经网络模型初始化权值和阈值的随机性导致易产生误差积累和过拟合的缺陷,该文利用遗传算法的全局优化能力训练灰色人工神经网络模型的权值和阈值,构建了基于遗传算法的灰色人工神经网络超高层建筑物变形预测模型。结合长沙北辰新河A1超高层建筑变形监测实例,用该文所提模型与灰色人工神经网络模型分别进行变形数据的处理分析和预测。实验结果表明,该文提出的模型具有更好的预测精度,预测趋势也更加逼近实际测量结果。     

基于Matlab的建筑基坑变形灰色系统分析预报与应用

在基坑变形监测领域,将GM（1,1）模型应用于变形量的分析预报较为普遍.根据灰色系统理论,通过设定参数,进行用于基坑变形分析预报的灰色预测模型Matlab程序设计,利用具体工程前数期的实测数据,预测建筑基坑后期累计位移变形量,通过与后期实测数据的对比分析表明,程序运行的准确度较高,能够满足基坑变形预测预报的精度要求.     

GM(1,1)模型在深基坑变形预测中的应用

为研究基坑工程的变形规律,合理预测基坑未来的变形趋势,针对基坑工程变形中存在的各种变形因素复杂、变形大小不确定等情形,采用灰色系统理论建立基坑变形分析模型,结合工程实例,通过GM(1,1)模型群的建立确定最佳预测模型,然后在最佳模型基础上分别建立全数据模型、新信息模型、自动更新三种模型;预测结果表明应用灰色模型进行基坑工程变形分析的可行性和可靠性,为基坑工程的变形分析和安全性诊断提供了可靠的理论依据和科学的分析方法。     

优化非等时距加权灰色-时序组合模型在地铁监测中的应用

对某地铁工程沉降数据进行建模预测,可以掌握其变形规律并预测变形趋势.本文将传统非等时距灰色模型引入时距权比系数,按照不同的生成及还原方式构建3种预测模型,并确定最优拟合序列.在此基础上,组合时序模型对残差部分进行处理,建立优化非等时距加权灰色-时序组合模型,结合工程实例进行验证.结果表明,优化非等时距加权灰色-时序组合模型在地铁监测中具有实用性.     

改进灰色预测模型及其在变形监测中的应用

分析与预报是基坑监测的重要内容,对于确保基坑和周围设施的安全具有重要意义。灰色系统理论自创立以来被广泛应用于变形监测的预报上,但灰色预测模型仍有一定的局限性。为此本文尝试对其进行改进,采用两种函数变换对灰色预测模型的原始数据进行预处理,并分析改进模型的预报效果。实验表明,经过指数函数变换和线性函数变换的灰色模型均能获得更好的预测结果,且经过线性函数变换的灰色模型的估计结果要优于经过指数函数变换的灰色模型。     

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。     

灰色系统与时间序列在高铁沉降变形中的应用

介绍了灰色系统GM(1,1)模型、时间序列二次指数平滑模型的基本原理,给出了模型精度评定的方法 ;用Matlab编程实现模型的建立并对高速铁路沉降变形进行了分析与预测,通过工程实例对比分析2种模型的预测效果。结果表明,时间序列二次指数平滑模型较适合短期或中期变形趋势呈线性或微小波形的变形分析与预测,而GM(1,1)模型对短期呈线性或指数分布趋势的变形有较好的效果;时间序列二次指数平滑模型的可靠性与准确度比GM(1,1)模型高。     

ARMA模型在变形监测中的应用

介绍了时间序列分析模型ARMA进行模型识别、参数估计、模型检验和模型预测及其在变形监测数据处理中的应用。并结合某一工程实例,采用该模型对一组实测变形数据进行了分析、预测,取得了较好的数据拟合与预测效果,该模型对变形监测数据处理与预报是十分可靠和可行的,具有很强的实际应用价值。