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。     

EXCEL在GM(1,1)模型沉降数据建模计算中的 应用与实现

介绍了灰色系统的基本原理、建模过程、模型精度等级评定方法,针对高层建筑沉降的特点,运用灰色系统的基本原理,在EXCEL表格中输入相关计算公式,对高层建筑沉降观测数据进行处理计算,建立高层建筑的GM(1,1)模型,并进行沉降预测与精度分析,预测结果与实测结果较吻合,计算过程简单直观,数据处理自动准确,可以轻松实现灰色预测,效率提升且预测结果精度较高,具有一定的实用性。     

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.     

基于非等时距数据序列的高层建筑沉降预测

将泊松曲线引入到高层建筑的沉降预测分析中。采用牛顿插值平均法将非等时距数据转化成等时距数据,通过三段计算法求解模型系数,并结合高层建筑沉降监测工程实例计算分析,结果表明:泊松曲线预测与实际沉降数据吻合较好,拟合曲线精度较高,预测效果明显好于传统的双曲线法和指数曲线法,具有较高的实际应用价值。     

BP与RBF在复合地基沉降预测中的比较分析

针对复合地基沉降特点以及高层建筑沉降预测的重要性,本文分析了BP与RBF预测模型的优势,结合实际工程施工及工后沉降预测数据,进行CFG复合地基沉降预测。结果表明,BP与RBF预测结果达到0.1 mm级,RBF在此工程实例中的沉降预测比BP更具有优越性。     

一种建筑沉降叠加预测方法

针对高层建筑的沉降监测与趋势预报问题,结合时间序列分析方法,该文提出一种基于ARMA的趋势项和随机项叠加预测法,把沉降监测时间序列数据分解为趋势项与随机项,分别建立趋势回归函数模型与随机项ARMA模型,叠加进行沉降量的预报,并通过上海外滩某高层建筑的沉降监测实例,研究并比较了该方法与传统的ARIMA差分预测法对建筑沉降预报精度的影响。实验结果表明:基于ARMA的趋势项和随机项叠加预测法在沉降预报中精度优于基于ARIMA的差分预测法。该方法利用趋势回归函数的保持作用,克服了传统的时间序列ARIMA模型在长期预测中精度不高的问题,并且随着预测步长的增加,优势更加明显。     

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。     

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。     

改进的灰色模型在建筑物沉降预测中的应用

介绍灰色非等间距GM(1,1)模型的建立及其精度评定方法,着重探讨模型精度的主要影响因素,并从模型背景值的构造以及初值选取两个方面对灰色非等间距GM(1,1)模型进行改进,结合高层建筑沉降监测实例进行预测结果分析,结果表明,改进后的灰色模型具有较高的精度,在沉降预测中具有较高的应用价值。     

基于遗传算法初值优化的反向灰色模型在沉降监测中的应用

反向灰色模型在具有单调递减趋势的时间序列预测中取得了较好的效果,但是初始值较为陈旧,影响了模型的精度。利用遗传算法对x(1)(n)序列初始值进行全局搜索,确定最优初始值,对反向灰色模型进行了优化。并利用高层建筑实际沉降观测数据对该方法进行了验证。结果表明,该优化灰色模型提高了原模型的预测精度,具有较高的实用价值。     

GM(1,1)模型在高层建筑沉降预测中的应用

由于高层建筑变形是多因素作用的结果,而其变形系统的实质是一个灰色系统,所以可以采用灰色系统理论对高层建筑变形进行预测。根据灰色系统理论,建立了高层建筑变形的GM(1,1)预测模型。     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便，在变形分析中，目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值，变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型，利用观测数据建立AR模型，即建立观测方程；以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型，动态计算出AR模型的参数以便预测。此方法快速、实时，且占有较少内存，充分利用了AR模型和卡尔曼滤波二者的优点。     

基于平稳自回归模型的地表移动变形预测

采用AR(p)模型描述随机过程本身观测数据之间的相互关系,根据实测数据建立随机预测模型,对后三期变形量进行预报,并与实测数据进行比较,预报效果良好。     

灰色精化模型应用于地面沉降预测

地面沉降是一个复杂的过程,较难建立准确的预测模型。传统灰色模型不能处理沉降观测值序列中的异常点,对于波动大的原始数列也没有精确预测,针对其背景值取值方法的不足,建立一种精化灰色模型(JGM(1,1)模型),分析预测结果和精度,表明该模型具有较高的预测精度和可靠性。     

双曲线模型在沉降监测预报中的应用

将双曲线模型用于高层建筑物沉降监测预报中,给出了双曲线模型公式,并且结合郑州市某建筑沉降观测数据,建立了相应的双曲线预报模型。通过Matlab编程对观测数据进行处理,处理的图像显示双曲线模型与原始观测的数据曲线变化趋势一致,很好的反应了建筑物沉降的变化规律,证明了双曲线模型在高层建筑物沉降预测方面是可行的。     

小波去噪的灰色动态模型在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据拟合较差、预测精度低的缺点,提出了基于小波去噪的灰色动态模型。首先运用小波滤波消除数据噪声,使数据更具规律性;再利用灰色动态模型预测变形;最后对高层建筑物沉降监测数据的预测值与实测值进行对比分析。结果表明,该模型的预测误差较小、精度较高,适合在变形预测中应用。     

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。     

灰色系统GM(1,1)模型在建筑物变形监测中的应用

对GM(1,1)模型的基本原理进行了介绍,给出了模型预测精度评定的方法和等级指标,并基于MATLAB实现模型对实际工程沉降数据的预测,对模型的预测效果进行了分析。     

时变参数PGM（1,1）模型在变形监测中的应用研究

给出了时变参数PGM（1,1）模型的数值解法,比较了其与GM（1,1）、PGM（1,1）模型的预测精度,分析了灰区间作为预测结果的可靠性。