灰色-进化神经网络模型在深埋隧道围岩变形预测中的应用

由于深埋隧道围岩的变形受到构造、应力场、地下水、开挖方式等复杂因素的综合影响,具有位移时间序列的单调增长的特殊性和非线性,运用响应成分模型将隧道围岩位移量分解成具有确定性的趋势项和具有不确定性的随机项。建立灰色–进化神经网络模型对趋势项和随机项进行预测,既结合GM（1,1）模型较好预测序列增长趋势的特点,又结合神经网络利用自适应实现网络总体误差最小的特点,进而解决了单一利用GM（1,1）模型时预测值的随机偏离量较大的问题,保证了预测的精度。将该模型应用于基于实测位移资料的堡镇隧道围岩水平收敛位移短期预测,较好地揭示了隧道围岩收敛位移演化的规律,为合理选取二次衬砌时机提供了参考。     

ARMA模型在锚碇基坑变形预测中的应用

本文在详细介绍时间序列预测原理、基本模型及预测步骤的基础上,选取新田长江大桥锚碇基坑工程施工过程中的基坑位移和危岩裂缝变形实测数据,运用时间序列法建立自回归滑动平均模型(ARMA),对施工过程中的基坑位移和危岩裂缝变形趋势进行预测,并将模型预测数据与实际监测数据进行对比。结果表明:ARMA模型可以通过差分算法很好地解决数据不稳定性问题,在预测周期较短时预测精度较高;随着预测周期的增加,ARMA模型的预测精度有所降低,其原因是由于随着预报步长的增加,预报所依赖的历史数据在减少;在建立ARMA模型时,定期加入新的数据,可以避免预测周期过长导致预测精度降低。本文的研究成果可以为今后类似工程的监测预报研究参考依据。     

指数趋势模型在斜坡变形位移预测中的应用

应用斜坡变形破坏预测的一种新方法--指数趋势模型,预测了链子崖危岩体GA监测点的位移量。首先,把非线性的指数趋势模型经线性化处理后,用线性最小二乘法对待定参数作出估计, 然后,得出指数趋势模型,并对危岩体位移量进行了预测,其预测结果与实际位移值误差很小,说明该方法可用于斜坡变形破坏的预测预报。最后,还对预测值的区间和区间长度作出了预测。     

全过程沉降量预测的Logistic生长模型及其适用性研究

地基的全过程沉降量与时间的关系呈S形曲线,可用Logistic生长模型来描述。目前应用的Logistic生长模型,较少考虑模型的适用范围和预测精度等问题。结合工程实例,比较了模型参数估计的三种方法,研究结果表明,采用非线性回归法估计模型参数,可取得较好的预测效果;根据混沌理论,研究了模型的适用范围和预测性能。Logistic生长模型的动态行为由参数a(瞬时沉降速率)决定,当参数a的取值范围在[0, 2]之内,该模型预测的最终沉降量是稳定的。     

基于ARIMA与ANN组合模型的需水量预测方法研究

需水量预测影响因素较多,具有线性和非线性特征。为提高预测精度,提出基于ARIMA与ANN组合模型的需水量预测方法,利用ARIMA模型良好的线性拟合能力和ANN模型强大的非线性关系映射能力,把需水量时间序列看成由线性自相关结构和非线性结构组成,采用ARIMA模型预测需水量序列的线性部分,用ANN模型对其非线性残差部分进行预测,再将二者预测值进行组合预测。通过实例研究,组合模型预测精度更高,是需水量预测的一种有效方法。     

全过程沉降量预测的Logistic生长模型及适用性研究

地基的全过程沉降量与时间的关系呈S形曲线，可用Logistic生长模型来描述。目前应用的Logistic生长模型，较少考虑模型的适用范围和预测精度等问题。结合工程实例，比较了模型参数估计的三种方法，研究结果表明，采用非线性回归法估计模型参数，可取得较好的预测效果；根据混沌理论，研究了模型的适用范围和预测性能。Logistic生长模型的动态行为由参数α(瞬时沉降速率)决定，当参数α的取值范围在[0，2]之内，该模型预测的最终沉降量是稳定的。     

隧道围岩压力的神经网络时间序列分析

围岩压力是隧道开挖后重要的反馈信息之一,受不确定性因素影响,围岩压力监测数据是一个不平稳的时间序列,包括趋势项和随机项。采用BP网络对不平稳时间序列进行数据拟合,处理趋势部分,利用ARMA模型处理随机部分。结合累进算法,对浙江某新建隧道围岩压力进行时间序列预测。结果表明该方法具有较高的预测精度,最大相对误差为3.73%,能够应用于工程实际当中。     

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机（PSO-LSSVM）和自回归移动平均模型（ARMA）的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列--趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。     

基于时间序列与人工蜂群支持向量机的滑坡位移预测研究

总结以往滑坡预测方法存在的诸多不足,针对滑坡监测位移-时间曲线特点,本文提出了一种基于时间序列的人工蜂群算法（ABC）与支持向量回归机（SVR）相结合的滑坡位移预测方法。以三峡库区白水河滑坡为例,通过对滑坡位移、降雨、库水位等因素的分析,研究影响滑坡位移变化的因素。用时间序列加法模型和移动平均法将滑坡位移分解为趋势项和周期项。以多项式最小二乘法拟合滑坡位移趋势项,用人工蜂群支持向量机模型对滑坡位移周期项进行训练和预测。通过灰色系统关联分析法计算多项因子与滑坡位移周期项之间的关联性。最终的滑坡总位移预测值为周期项预测值与趋势项预测值之和。与BP神经网络、PSO-SVR模型方法相比,该方法在滑坡位移预测中有更高的精度,在防灾减灾工作中有较好的推广应用前景。     

基于指数趋势模型的卡尔曼滤波法在危岩体变形分析中的应用

以指数趋势模型为基础,建立卡尔曼滤波模型对链子崖危岩体GA监测点的位移量进行预测。首先,把非线性的指数趋势模型经线性化处理后转化成线性模型,用线性最小二乘法求出线性化后的模型参数,再将线性化后的模型参数看作带有动态噪声的状态向量,建立卡尔曼滤波模型,以此模型为基础,对危岩体的位移量进行预测。实例计算表明,用卡尔曼滤波模型对危岩体的位移量进行预测,其预测误差较小,效果较为理想。     

高边坡变形非线性时变统计模型研究

基于高边坡长期变形监测资料,深入分析了边坡变形的影响因素,建立边坡非线形时变统计监控模型,并将模型应用于锦屏一级水电站边坡工程。通过典型测点长期监测资料的分析,确定时效和降雨是影响边坡变形的2个主要因素,并给出了各自的表述形式,在Matlab平台上,采用非线性回归方法得到边坡非线性时变统计模型的参数。在此基础上,根据边坡变形拟合残差时序,采用ARMA模型方法进行拟合和预测,对边坡非线性时变模型的拟合和预测进行修正。结果表明,模型能较好地描述高边坡的变形特征,并且具有很好的拟合和预测精度。     

ARMA order model detection using minimum of Kurtosis: application on seismic data

The objective of this study is to find the order and coefficients of non-low-phase causal filters for ARMA (auto regressive moving average) filter model, using the Kurtosis minimization criterion. This method is based on the Kurtosis calculation of the treated sample at the input level and its identification at the output of the ARMA model. For this purpose, the order and coefficients of the AR (auto regressive) part are identified using the Yule-Walker algorithm at order two and then extended to order four. To obtain the MA (moving average) part, the AR components are calculated at first from the ARMA filter by deconvolution. Then, spectrally equivalent and minimum phase (SEMP) MA filter is identified using the Durbin algorithm at second and fourth order. Finally, the correct filter is found when the Kurtosis value of the output ARMA filter reconstituted is the closest to the Kurtosis of introduced signal. The proposed method is then tested on simulated processes and applied to real seismic data to perform blind deconvolution and obtain the reflectivity coefficients of subsoil studied.     

用相关函数优化法计算离散线性水文模型参数

借助于日降雨和出流资料系列,采用相关函数优化方法确定离散线性水文模型参数是一种新的方法.文中选用4个流域8年日降雨和径流资料系列来检验相关函数优化法(6年作为率定期,2年作为验证期),所得结果与常规最小二乘法计算的结果进行比较表明:新方法计算精度比常规最小二乘法计算的精度有所提高,常规最小二乘法仅是相关函数优化法的一种特例.     

PSO-RBFNN模型及其在岩土工程非线性时间序列预测中的应用

岩土工程受力变形演化是一个典型的非线性问题,其演化的高度非线性和复杂性,很难用简单的力学、数学模型描述,但可用粒子群优化径向基神经网络对岩土工程应力、位移非线性时间序列进行动态实时预测。网络径向基层的单元数通过均值聚类法确定后,所有其它参数：中心位置、形状参数、网络权值,均通过粒子群优化算法在全局空间优化确定。工程实例应用表明,该模型预测结果准确、精度高,有良好的应用前景。     

基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测

三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机（extreme learing machine,ELM）的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群-支持向量机（PSO-SVM）模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.      

八里扁隧道围岩变形监测与位移反分析

为了判定八里扁隧道在掘进过程中断面处围岩及其支护体系的稳定状态,揭示隧道围岩变形、破坏及稳定的机理,根据隧道断面ZK77+835处围岩变形的监测数据,建立指数函数回归模型,进行精度判定和监测数据分析,同时进行BP神经网络位移反分析与数值模拟,结果表明：采用指数函数模型对断面ZK77+835处围岩变形值进行回归分析的精确度较高;围岩变形存在3个发展时期,从位移值和位移速率两方面可以判定,在监测15d后,该断面处围岩基本处于稳定状态,可以进行二次衬砌施工;利用BP神经网络位移反分析法反演的参数比较准确,将其带入FLAC3D数值模型中,模拟结果与现场监测数据相差不大。     

锚杆支护圆形隧洞的等效强度参数及可靠性分析

通过采用均匀化方法,研究了圆形隧洞的锚杆支护特性,将高密度支护模式下的岩石和锚杆复合体考虑成均匀、连续、强度参数增强的等效材料,简化了岩石和锚杆间复杂的力学耦合问题。通过定义锚杆密度参数来反映不同支护模式的特性,建立锚杆密度参数与Mohr-Coulomb屈服准则中主要参数之间的关系,推导出等效弹性模量、等效黏聚力和等效内摩擦角的表达式,并分析比较了隧洞在支护前后的位移情况。结合可靠性理论,采用容许极限位移量作为失稳判据,分析了隧洞在支护前后的可靠性指标与破坏概率,结果表明,文中提出的方法简单可靠,锚杆支护对隧洞的位移限制效果明显,可显著提高隧洞的可靠性。     

隧道开挖中围岩损伤演化分析及力学参数预测

数值方法所得出结论的可靠性很大程度上取决于岩体力学参数的选取,因此基于损伤演化分析,对损伤变量与围岩力学参数之间关系进行了研究。在各向同性损伤的假定下,通过分析开挖过程中围岩损伤演化,建立了采用损伤变量对弹性模量、泊松比、黏聚力、摩擦角等围岩材料参数进行估算的方法。采用弹性纵波波速定义初始损伤,根据壁城隧道现场监测资料建立ANSYS渐进性数值模型,反演典型断面开挖过程中围岩的宏观力学参数。分析结果表明,该方法可以有效地确定围岩力学参数的变化情况,与实际情况吻合较好。