动态灰色-时序模型在建筑物沉降预测中的应用

针对灰色模型和时间序列都无法准确预测建筑物波动性沉降的问题,本文采用动态灰色模型和时间序列相结合的方法来预测分析其沉降趋势。首先根据监测数据建立灰色模型,在此基础上构建动态灰色模型来拟合时间序列中的趋势项,然后依据时间序列进行预测。结果表明:动态灰色-时序模型能够准确预测建筑物的变化趋势。     

GM-AR模型在城市地面沉降预测中的应用

随着城市的现代化进程,地面沉降已广泛发生在世界各地,给人民生活和社会发展造成极大损失.GM(1,1)模型作为经典的地面沉降预测方法,不适用于随机型数据预测.将AR模型与GM(1,1)组合成GM-AR模型对城市地面沉降数据进行预测,预测值残差小于GM(1,1)模型,未来2、3期预测值小于1 mm,且趋势线更贴近实测值,效果优于传统的GM(1,1)模型.     

区域地面沉降的主要因素研究

近年来,我国城市地下空间的开发利用愈来愈趋于精细化管理,如何监测区域地面沉降引起的地质灾害受到社会的广泛关注。基于某区域多年来地面沉降监测数据和地质条件综合分析,研究了区域地下构筑物沉降趋势及影响因素,探明了地下构筑物长期沉降和不均匀沉降的主要原因,建立了地面累积沉降量、差异沉降量与沉降趋势的特征关系。通过变形监测数据科学预测地面沉降的趋势与影响范围,为治理和预防因地面沉降造成的灾害提供决策依据。研究成果不仅可为该地区地下构筑物施工安全提供技术支持,也可为城市地下空间规划、布局提供理论参考,还可为复杂软土地区地下工程设计提供理论依据。     

灰色Verhulst-BP模型在沉降分析中的应用

针对软基处理后的地基沉降情况进行分析,利用灰色Verhulst-BP模型对沉降数据进行分析预测。灰色Verhulst-BP模型是利用灰色Verhulst模型的残差值来改进BP神经网络模型,进而提高模型的模拟预测精度。在Matlab9.0平台上,通过Matlab语言编程实现实例检验分析。研究结果表明,灰色Verhulst-BP模型相对于灰色Verhulst模型更适合于S型序列的数据分析预测。该模型预测精度较高,能够较好地反映沉降趋势。     

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。     

L ogistic 模型在地面沉降预测中的应用

随着城市大规模工程建设的开展,由此引发的地面沉降对区域生态环境、基础设施的影响不容忽视,地面沉降预测与控制是亟待深入研究的重要课题。研究表明,地面沉降基本经历发生、发展、成熟,最后到达一定极限沉降量的过程,这与Logistic模型反映事物的发展规律非常接近。文中建立地面沉降量Logistic预测模型,以某地区地面沉降实测数据为例进行定量模拟预测,结果表明,Logistic预测模型能很好的拟合沉降量—时间关系曲线,而且能够对地面沉降进行较为准确的预测。     

多项式分布滞后模型在地面沉降预测中的应用

介绍多项式分布滞后模型(PDL模型)建立过程,针对地面沉降相对于地下水水位变化的滞后作用,建立考虑滞后作用的多项式分布滞后预测模型,应用该模型对某地区地面沉降实测数据进行模拟预测,并评价模型各项指标。实例分析表明,PDL模型应用到地面沉降变形趋势具有预测精度高、拟合效果好的特点,可以有效实现地下水水位变化导致地面滞后性沉降的定量模拟和预测。     

灰色RBF在地铁沉降监测中的应用

随着城市发展,致使地铁沉降的因素越来越多,地铁沉降监测越来越重要。对此,本文基于灰色模型和RBF神经网络预测模型,对两者融合方法进行了研究。通过对某城市地铁沉降监测数据进行预报和分析,证明了灰色RBF神经网络模型预测精度优于单一模型预测精度,组合模型避免了灰色模型线性补偿的弊端、增加了数据利用率、增强了算法的鲁棒性,预报结果更加准确。     

京沪高速铁路沉降趋势分析与预报方法的研究

分别运用多项式拟合和灰色GM(1,1)模型,对京沪高速铁路常州段桥墩沉降监测数据进行了处理与分析,验证了灰色GM(1,1)模型的预测效果优于多项式拟合,能较好地预测桥墩的沉降趋势。     

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。