基于Matlab的建筑物沉降数据预测模型对比研究

针对建筑物变形监测的数据处理问题,本文基于Matlab提出了几种拟合模型对所得的沉降数据进行分析、预测.本文以某高层建筑物变形监测数据为例,经基准点检查和三点修匀法对原始数据处理以后,通过模型预测分析得出高层建筑物沉降特征与规律.实验结果表明,使用指数函数模型拟合出的实际效果能够更加准确地分析高层建筑物的沉降变形.     

最小二乘支持向量机在沉降量预测中的应用

高层建筑物的地基沉降量是高层建筑物安全的一个重要指标,根据已有的观测数据对未来的沉降量进行观测可以有效预防灾害的发生。由于沉降量是一个复杂的非线性过程,采用非线性预测方法是一种可行有效的方法。本文将最小二乘支持向量机应用于高层建筑物地基沉降量的预测,对参数分别用交叉验证和遗传算法进行了优化。经过实例验证,最小二乘支持向量机应用于沉降量的预测是可行的,并且遗传算法优化的最小二乘支持向量机的预测沉降量精度更优。     

小波神经网络模型在高层建筑物沉降预测中应用研究

为了提高变形监测数据预测的精度与可靠性,以及提高人工神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高层建筑物沉降监测数据处理中。综合小波分析与神经网络算法的优点,将良好的时频局域化特性和神经网络理论的自学习功能相结合,建立高层建筑物的小波神经网络变形预测分析模型。通过实验数据对比分析,小波神经网络用于高层建筑物沉降预测数据处理中可以得到更好的预测效果,预测稳定性及预测精度较高。     

高层建筑物沉降变形的灰线性预测

本文以高层建筑物沉降变形预测为主要研究目的,讨论了GM(1,1)方法适用于单一指数增长模型、对预测序列数据异常情况难以准确预测的局限性,利用线性回归适用短期预测的特点,提出了基于GM(1,1)与线性回归组合预测高层建筑物沉降变形的方法;对组合模型预测精度起决定性作用的灰指数v和参数m进行了分析,给出了求解灰指数v和参数m的最优值算法,最后利用组合模型对某高层建筑物沉降变形数据进行了解算,应用结果表明,该方法使预测结果更为可靠、准确。     

傅里叶时频分析的建筑物沉降预测

针对时间序列自回归(AR)模型在高层建筑物沉降预测中出现的对于历史资料分析和利用不充分的情况,提出了一种基于傅里叶时频分析的沉降预测模型。以桂林市某在建的高层建筑物的沉降变形为例,在分别从时域和频域两个方面充分分析资料的基础上,对建筑物的沉降观测数据进行建模分析,得到了均方误差为0.107 9 mm的预测精度,很好地克服了AR模型在应用中存在的问题,提高了预测精度。     

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。     

地铁施工沿线高层建筑物沉降变形特征分析与预测

地铁的快速发展解决了人们的出行问题,但在地铁施工中会使沿线附近的建筑物产生沉降变形。为了确保建筑物和施工安全,对地铁施工期间建筑物的沉降变形进行监测很有必要。选择某市地铁3号线沿线高层建筑物为研究对象,对其沉降变形特征进行分析说明,并对沉降变形进行预测,结果表明,预测曲线与实测曲线拟合较好。     

高层建筑物沉降监测与预测方法

高层建筑物沉降变形监测是工程建设中一项十分重要的工作,为了系统地阐述高层建筑物沉降变形监测作业、数据处理及建模预测等方法,文章结合具体工程实例,详细地介绍了其监测作业过程、数据处理方法、图表分析内容以及沉降变形稳定性判别等方法要素,以回归拟合的方法对某代表性观测点监测数据进行了建模与预测分析,并与其它观测点数据进行了预测对比,同时对所建回归模型方程进行了显著性检验、预测区间估算和预测精度分析等,为类似工程实践及数据处理与分析方面提供方法参考。     

高精度电子水准仪在高层建筑物沉降观测中的应用

简述对城市高层建筑物进行变形监测的意义,介绍了索佳SDL1X高精度电子水准仪的功能,阐述某高层建筑物沉降观测基准点和沉降点的布设和观测方案、沉降观测的数据处理与成果管理,并对高层建筑物沉降进行了简单的变形分析。     

基于小波变换与ARMA模型的建筑物沉降预报

对建筑物进行沉降监测并预报其变化趋势,能有效保障建筑物的安全性。本文提出一种基于小波变换的ARMA模型用于建筑物沉降预报。利用小波多尺度分析将沉降监测数据分解为高频信号和低频信号,并分别采用ARMA模型进行预测,然后将各序列预测结果进行合成,得到最终预测结果。并以青岛市某高层建筑物监测数据为例,分别采用传统ARMA模型以及基于小波变换的ARMA模型进行预报对比分析,结果表明基于小波变换的ARMA模型取得了较高的预报精度。