沉降预测的非等步长灰色时变参数模型

根据灰色系统理论的信息处理原则,在灰色模型中引入时变参数,建立了沉降预测的非等步长灰色时变参数模型。模型充分考虑了预测系统的时变性和灰色性,在求解过程中,引入遗忘因子以修正预测结果,并根据后验方差比C确定遗忘因子λ的最优值,以提高预测精度。沉降预测实例表明：沉降预测的非等步长灰色时变参数模型具有较强的适用性,可降低沉降量的预测误差和提高沉降的预测精度。     

时间非等步长灰色模型预测桩基承载力

根据灰色系统理论 ,首次建立了时间非等步长的桩基工程GM (1 1)模型 ,提出了时间非等步长的桩基工程GM(1 1)模型的检验方法。结合桩基试桩实践 ,表明由此模型计算所得的预测结果与实际结果吻合良好 ,并经过时间非等步长桩基工程GM (1 1)模型的精度检验 ,证明采用该方法进行桩基承载力预测所得的精度较高。为桩基工程承载力预测提供了一种新的、可靠的理论方法     

桩基沉降量的灰色预测

利用实测的桩基静载试验数据 ,用灰色系统理论建立桩基沉降量的灰色GM(1,1)预测模型 ,可以模拟桩基静载试验P s曲线的未知部分。研究结果表明 ,建立的GM(1,1)模型可有效预测桩基沉降量 ,对进一步分析桩基的承载性能有理论与实际意义。     

改进灰色模型对路基沉降预测的应用研究

讨论了灰色系统理论在路基沉降预测中的应用 ,并对等间隔的灰色模型GM(1,1)进行了改进 ,建立了任意间隔的非时序改进灰色模型。通过具体工程实践 ,给出了两种模型对路基沉降量预测结果与实测结果的比较 ,表明改进灰色模型的预测沉降量与实际沉降量更接近 ,精度更高 ,更能满足工程需要     

改进灰色模型对路基沉降预测的应用研究

讨论了灰色系统理论在路基沉降预测中的应用,并对等间隔的灰色模型GM（1,1）进行了改进,建立了任意间隔的非时序改进灰色模型。通过具体工程实践,给出了两种模型对路基沉降量预测结果与实测结果的比较,结果表明改进灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要。     

常州市地面沉降灰色模型预测

地面沉降过程可视为有限体系,本文分析了常州市地面沉降动态特征,采用费尔哈斯特(Verhulst)生物繁殖模型,以监测资料为背景予以灰色系统理论处理和进行沉降旋回期或寿命预测。在地下水得到控制开采和回灌补给条件下,常州市地面沉降旋回期为60年,至2030年沉降速率超近于零,为常州市合理开发地下水,控制沉降灾害提供宏观中长期预测信息。     

垃圾填埋场的沉降分析、计算及灰色模型预测

城市垃圾填埋场的沉降问题一直是长期困扰从事垃圾填埋研究工作者的一个非常重大的问题，它的解决对于提高垃圾场的潜在处理能力、增加填埋场的有效存贮容量有着十分重大的意义。本文首先分析了垃圾场的沉降原理，并给出了计算方法；而后应用灰色系统理论，对沉降实际数据进行处理，建立灰色动态GM模型，作出对填埋过程中和封顶后的沉降预测，取得了较好的效果。     

基于GM（1，1）的组合灰色模型预测软基沉降

以灰色系统理论为基础,建立了沉降预测的组合灰色模型,对一般灰色模型具有的无限增长特性进行了改进和修正。在求解过程中,采用spline插值函数对现场观测沉降数据进行插值变换生成等时距序列,并对沉降预测模型的初值进行了优化选择,以提高预测精度。运用MATLAB语言编制模型计算程序,通过沉降预测实例及后验差法检验模型精度,表明沉降预测的组合灰色模型预测精度较高,具有较强的适用性。     

基于动态参数线性回归模型的路堤沉降预测

随着观测信息的丰富,常规的线性模型的不足凸现,影响了模型的精度.为了克服常规模型的缺点提出了动态参数线性回归模型.根据动态参数线性回归模型要求,在参与建模数据个数保持不变的情况下,利用新观测的数据取代旧有的数据,获取新的模型参数,进而建立动态参数线性回归模型,并进行沉降预测.通过实例验证,效果比较理想.     

非等间距序列的灰色预测模型及其在岩石蠕变断裂中的应用

给出了非等间距序列的灰色预测模型，讨论了该模型的灰色预测平面和最优预测函数。最一将该模型应用于符合Ｋｅｌｖｉｎ模型的岩石材料的蠕变断裂研究，给出了应用实例，并验证了该方法的可行性。     

西北地区高填方地基沉降的预测模型研究及分析

沉降变形一直都是困扰填方工程的关键问题,原始地基中存在的湿陷性黄土与粉质黏土会导致沉降增大以及不均匀沉降等现象的发生.因此,做好工程的沉降监测和工后预测,对于保障高填方地基的稳定性至关重要.笔者以西北某机场迁建工程中高填方沉降监测数据作为依据,分别应用双曲线、对数和指数拟合曲线对填方地基的沉降进行预测、分析与对比,总结...     

高速公路软土路基沉降量的人工神经网络预测

针对高速公路建设中广泛存在的软土路基最终沉降量预测这一迫切需要解决的技术难题,提出了改进的BP神经网络预测模型,并归纳出影响软土路基沉降量的主要因素.通过对模型的建立、训练和验证,以及与其他方法的对比表明,改进的BP神经网络模型在非线性建模方面具有泛化性强、计算精度高、操作简便的独特优势,具有广阔的工程应用前景.     

应用遗传-神经网络方法预测软土路基沉降

理论方法预测软土地基沉降与实际存在较大的差距,使得预测结果很难达到设计要求,不利于指导施工。将现有的理论方法同现场观测信息相结合,对软土地基变形作出更为准确的预测,有利于指导和控制工程施工。采用遗传算法和BP最优化法相结合的算法来训练网络,用遗传算法来优化BP神经网络中权值;用龚帕斯曲线来分解沉降时序,通过沉降趋势线偏移量来训练网络。采用这种方法预测软土路基沉降取得了较好的应用效果。     

准等时距QGM(1,1)模型分段预测法及其在草炭土路基沉降预测中的应用

利用传统非等时距模型预测草炭土路基沉降时,存在计算繁琐、中短期预报精度低等缺点,尤其是当沉降曲线存在斜率突变点时,采用该模型很难达到预测精度的要求。针对以上不足,对非等时距时间序列进行平均步长换算,得到准等时距序列,利用线性插值法对原始沉降数据进行修正,得到改进后的准等时距QGM(1,1)预测模型,并将沉降曲线在斜率突变点处分成两部分进行分段预测。实例计算表明:采用改进后的准等时距QGM(1,1)模型预测草炭土路基沉降,两段的预测值平均误差分别为2.99%和0.25%,均远远小于传统非等时距模型,且具有很高的中短期预测精度,可以为工程沉降控制提供可靠参考。     

动量BP算法在路基沉降预测中的应用

提出一种采用动量BP算法来预测路基沉降的方法,结合具体的工程实例,构建了预测路基沉降的具体BP神经网络模型。预测结果表明,该模型有较高的预测精度,可作为预测路基沉降的一种新方法。