基于时间序列分析和灰色理论的建筑物沉降预测模型研究

基于时间序列分析方法建立建筑物沉降预测模型,其中通过二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上采用灰色系统理论动态GM（1,1）模型进行趋势项预测。实际算例结果表明,该模型能够较好地预测沉降变化的发展趋势,并具有较高的预测精度,证明了该预测模型具有一定的可行性和有效性。     

非等间隔无偏GM(1,1)模型在基坑周边建筑物沉降预测中的应用

沉降监测数据序列受到观测条件等影响往往是非等间隔的。为了更合理、准确地分析预测沉降数据,本文将非等间隔无偏灰色模型应用到基坑周边建筑物沉降监测分析中,并对建模过程中背景值的计算进行了改进,与两种传统的非等间隔灰色模型进行对比分析。通过两组实例分析,结果表明:非等间隔无偏灰色模型的效果优于其余两种非等间隔灰色模型,其模型趋势更符合实际沉降趋势。     

非等间距WGM-AR模型在基坑周边建筑物沉降预测中的应用

非等间距GM（1,1）模型在不等时间间隔序列的趋势分析和预测方面具有重要作用,在此基础上,提出一种基于非等间距加权GM（1,1）模型和自回归AR（p）模型相结合的非等间距加权灰色自回归模型（非等间距WGM-AR模型）.将基坑周边建筑物沉降监测数据视为具有确定趋势的非等时间序列,对序列进行平滑处理,利用非等间距加权GM（1,1）模型提取该时序中的确定性趋势项,用自回归AR（p）模型分析生成的等间距序列中的随机项,并采用内插法得到沉降监测序列的随机项.将组合模型与非等间距GM（1,1）模型计算结果对比分析,结果表明,组合模型具有更高的预测精度,在基坑周边建筑物沉降预测中具有较高的应用价值.     

建筑物沉降规律的曲线拟合模型研究

建筑物的沉降监测数据序列具有趋势化的特点,通过对建筑物沉降监测数据序列的统计分析,建立建筑物沉降量趋势项及差异沉降量趋势项的数学模型,计算建筑物沉降量及差异沉降量的即时速率,为建筑物的后期监测精度及监测周期提供设计依据.通过工程实例验证,建筑物沉降量及差异沉降量所采用的双曲线回归模型具有较高的拟合精度和预测能力,可实现对建筑物末来沉降趋势的综合预测预报,为建筑物的运营安全评估提供科学的决策依据.     

灰色时序组合模型应用于建筑物变形预测

近年来,城市高层建筑物越来越多,为保证建筑物的安全,要及时预测其变形趋势,防患于未然。灰色模型是沉降预测中常用的模型,在小样本建模方面具有优势,但很难处理序列的随机误差;时间序列模型也是常用的预测模型,它能够很好的处理随机误差,但其对序列的平稳性要求较高,所以其应用范围有一定局限性。本文将两个模型进行组合,通过MATLAB软件编程构建模型,并结合工程实例,分析对比了组合模型与灰色单一模型的预测精度,得出组合模型优于单一模型的结论。     

利用二次移动平均法的GM(1,1)模型和Kalman滤波在沉降监测应用中的比较分析

利用时间序列分析方法中的二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上建立固定维数的动态GM(1,1)灰色模型进行沉降预测,同时利用Kalman滤波方法进行沉降预测,结合实际算例结果表明,这两种模型均能够较好地进行预测,证明了这两种预测模型均具有一定的可行性和有效性,并对两种预测模型在沉降监测预报中的应用进行了比较和分析。     

GM(1,1)模型应用于建筑物沉降监测预计中的方法

为了更加准确地预测高层建筑物沉降趋势,利用Matlab软件,实现灰色系统理论GM(1,1)模型的参数估计、检验、数据拟合及预测。首先对原始数据进行整理和处理,经过累加生成和相关生成逐步使灰色量白化,使之呈现出一定的规律性,从而建立相应于微分方程解的动态模型并作出预报,通过残差检验、关联度检验、后验差检验对所建立的灰色GM模型进行评价;经试验数据检验,所建立系统精度可靠,灰色预测模型从理论上预判高层建筑沉降趋势,对施工及监测具有指导意义。     

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。     

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。     

灰色时序组合模型在基坑监测中的运用

科学、实时、准确地分析和预报建筑物、构筑物的变形在现代测量工程实践中有着重要的意义。文中将时间序列分析与灰色系统理论相结合用于变形监测沉降数据预测。结合国家超级计算长沙中心项目天河广场深基坑沉降监测的数据实例,说明预测方法具有容易实现与预测准确的优点,是一种非常有效的预测方法。     

灰色时序组合模型在基坑监测中的运用

科学、实时、准确地分析和预报建筑物、构筑物的变形在现代测量工程实践中有着重要的意义。文中将时间序列分析与灰色系统理论相结合用于变形监测沉降数据预测。结合国家超级计算长沙中心项目天河广场深基坑沉降监测的数据实例,说明预测方法具有容易实现与预测准确的优点,是一种非常有效的预测方法。     

灰时序GM-AR模型在建筑物沉降变形预测中的应用

本文以现代高层建筑沉降变形预测为主要研究目的,讨论了灰色GM(1,1)模型和时序AR模型的特点和适用范围,从预测的角度对灰色和时序模型进行了比较和分析;提出了基于优化灰参数α、u的GM(1,1)模型和AR组合模型预测高层建筑物沉降变形的新方法;将变形量分解成具有确定性的趋势项和具有不确定性的随机项,建立GM-AR模型分别对趋势项和随机项进行预测,应用结果表明,该方法使预测结果更为可靠、准确。     

GOM和时间序列组合模型在地表沉降预测中的应用

一般灰色模型是基于正向累加数据建立的,针对沉降系统的特点采用反向累加模型并且改进模型背景值的计算方法建立改进GOM模型,进行数据序列趋势项的提取,结合时间序列反映随机性的优点建立GOM和时间序列的组合模型进行沉降系统的数据预测,验证了方法预报的精确性和实用性。     

基于时间序列的高层建筑物沉降预测

本文从时间序列的原理出发,详细论述了时间序列的建模步骤,针对时间序列预测精度随预测步数的增加而减小的不足,对时间序列模型进行了改进,建立了动态时间序列模型,并采用MATLAB软件进行编程,最后结合某电厂冷却塔沉降观测数据进行预报,预报结果表明动态时间序列模型能保持较高的预报精度,能较好的描述建筑物的变形规律。     

基于非等间距模型的建筑物沉降预测方法研究

该文基于实测资料进行建筑物沉降预测。在灰色模型和泊松曲线模型理论的基础上,引入对非等间距数列进行变换处理的方法,从而建立了非等间距预测模型。结合建筑物沉降监测资料进行分析比较,结果表明,两种预测方法均能较好地反映建筑物的沉降趋势。     

改进的灰色模型在高铁沉降预测中的应用

针对目前灰色模型在高速铁路沉降预测中存在的不足之处,该文提出了一种通过改善原始数据序列的光滑度来提高灰色模型预测精度的方法,并结合实例,验证了改进灰色模型在高速铁路沉降预测中的可行性,为今后高速铁路的沉降预测评估提供了更多的参考和借鉴。     

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。     

灰色GM(1,1)与Kalman滤波模型用于变形预测的比较分析

通过运用灰色GM(1,1)和Kalman滤波模型分别对某高层建筑物的沉降变形趋势进行分析,得出灰色GM(1,1)适用于短期且变形趋势呈线性变化的变形分析与预测,而Kalman滤波模型不仅适用于短期预测,对于长周期预测也有较高的精度。因此,在观测周期较短时,灰色GM(1,1)和Kalman滤波模型对线性变化的高层建筑物都有较高的预测精度,但是对于较长周期的观测,Kalman滤波模型预测的精度和可靠性要高于灰色GM(1,1)模型。     

新陈代谢模型在建筑物沉降预测中的应用研究

针对建筑物的沉降问题,在现有的数据基础上,建立新陈代谢GM(1,1)模型来预测建筑物的沉降量,并通过实例与传统灰色模型进行对比.结果表明,优化后的GM(1,1)模型能更好地预测建筑物的沉降发展趋势,具有较强的实用性.     

灰色马尔可夫模型在建筑物沉降预测中的应用研究

建筑物作为一个特殊的物体,必须正确预测其变形发展趋势,灰色GM(1,1)模型由于自身的局限性使其在沉降预测中显得方法单一。本文提出一种预测模型,灰色马尔可夫模型,该模型结合了灰色模型和马尔可夫模型的优点,共同来判断建筑物的发展趋势,并通过实例来验证该方法的可行性。