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。     

基坑水平变形预测技术

介绍用指数平滑模型与时序分析方法对基坑的水平变形预测技术,并随着新数据的加入适时修改平滑系数预测变形值。工程实例研究表明:该方法与单独指数平滑模型相比可使预测值与实际位移值之间的误差更小,与曲线拟合技术相比更加稳定。     

基于灰色模型和指数平滑法的地面沉降预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。地面沉降是一种渐变性地质灾害,可以预测其发展趋势。文章结合灰色系统理论预测模型及指数平滑法预测模型的特点,提出了在灰GM(1,1)和三次指数平滑法的基础上采用加权组合预测地面沉降预测的方法。     

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。     

指数平滑与曲线拟合模型在沉降监测中的应用

通过分析建筑物沉降监测数据的特点,采用了指数平滑和曲线拟合模型对建筑物沉降监测数据进行处理,实现了两种数据处理模型的建模过程,并用于建筑物沉降量的实际预测,验证了模型的可行性。     

基于蚁群算法的组合预测在基坑沉降监测中的应用研究

运用曲线拟合、自回归法和指数平滑法对基坑变形监测数据进行初步预测,并利用蚁群算法将曲线拟合、自回归预测和指数平滑预测进行组合,实现最优权重的选取,完成组合模型的设计和实现.最后对某基坑监测数据预测和分析表明,基于蚁群算法的组合模型综合利用了单个模型的特点,预测结果比单一模型的预测精度有明显提高.     

基于改进指数平滑神经网络模型的大坝沉降预测

为了及时跟踪非线性化大坝沉降数据并长期预测,针对传统指数平滑方法的缺陷,将改进的指数平滑方法与BP神经网络模型相结合,研究了其在大坝沉降监测中的应用.通过控制全局和局部的目标函数形成改进的指数平滑方法,获得一组平滑预测值;再利用BP神经网络对平滑预测值和平滑预测值与观测值的误差序列进行训练;最后将下一步的误差序列和平滑...     

基于插值指数平滑组合模型对深基坑沉降的预测研究

深基坑测量在较短周期内获得的观测数据所建立的预测模型,往往不能有效地体现出深基坑非线性变形的特点。通过对深基坑实测,本文提出先使用三次样条插值法,对原始观测数据做预处理,以凸显数据的非线性特点,再使用三次指数平滑法建立串联式组合预测模型,并对沉降趋势做预测。结果表明,这种串联式组合预测模型适用于基坑沉降变形的非线性特点,相比单一的指数平滑法建立的预测模型,提高了初值拟合精度,使预测精度更高。     

基于Lyapunov指数与神经网络融合的预测模型研究

提出一种基于最大Lyapunov指数法和神经网络融合的预测模型,该模型(Lya-BP)吸取了最大Lyapunov指数预测的优点,同时能够改善对于数据样本不够大时,最大Lyapunov指数预测精度不高的缺点.实例研究表明,Lya-BP模型大大提高了小数据量下Lyapunov指数法预测的精度,与单一的Lyapunov指数预测相比,更具可靠性,应用更为广泛,具有较大的实用价值.     

混沌理论支持下的桥梁变形监测研究

针对桥墩的非线性下沉问题，引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ，采用改进的G-P算法计算最佳嵌入维数m，进行相空间重构，并与传统算法对比抗干扰性，计算效率等得到了改善，运用Lvyapunov指数判别该时间序列的混沌特性；最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型，分别对观测数据进行预计分析，将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度，RBF神经网络混沌预计模型的预计精度最高，证明混沌时间序列预计精度可靠，能够实时对桥身变形进行监测，避免灾害的发生。