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。     

温州永兴北园软土地基沉降预测研究

温州永兴北园软土地基采用改性真空预压处理方法,进行负压密封降水,在出水量明显减少,沉降量趋缓甚至无沉降的情况下,达到降低土层含水量;提高土体密实度、承载力;减少地基工后和差异沉降量的目的。本文依据软土地基恒载期的沉降观测数据,分别利用双曲线法和指数曲线法根据沉降观测数据进行沉降预测,通过对两种方法预测结果的分析比较,尽可能精确地推算地基最终沉降量。     

常用稳健估计方法应用于概率积分法参数求取时的有效性研究

概率积分法是开采沉陷预计方法中应用最为广泛的一种方法,其预计结果的精度主要取决于预计参数的可靠性。为了消除或减弱粗差对预计参数的影响,往往采用稳健估计方法来对参数进行预测。本文在嘉乐泉煤矿实测资料基础上进行人工异值干扰求参试验,以观测值中含有不同粗差值为例,比较了13种常用稳健估计方法的稳健特性。结果表明,对于概率积分法参数的稳健估计,L1法、German-Mc Clure方法和IGGIII方案较其他稳健估计方法相对更有效。     

预测工后软土地基沉降

本文简要叙述沉降观测在软土地基施工中的重要性,并提出了基于神经网络的高速公路工后沉降预测方法。结合工程实例运用MATLAB工具箱函数建立网络模型,选择合适的训练函数,使其训练精度和速度达到最优化。     

曲线回归分析在高层建筑物沉降预测中的应用

在建高层建筑物的沉降监测是安全施工的一项重要内容。本文通过对华融天禾城2号楼的沉降观测数据,运用双曲线回归模型进行沉降预测以及对模型中的参数作显著性检验。实际研究表明,该方法可以运用于高层建筑物的沉降预测,而且应用效果良好。     

马尔可夫链改进的MMF沉降预测模型及应用

针对地基沉降机理复杂及随机性特点,结合马尔可夫链理论,本文建立了一种马尔可夫链改进的MMF沉降预测模型。首先采用部分实测沉降数据,利用CurveExpert软件拟合MMF模型;然后根据MMF模型预测相对误差大小,并按照马尔可夫理论划分状态区间,构建状态转移概率矩阵,预测下一个沉降量所处的状态,从而得到了马尔可夫链改进的MMF预测值;最后将本文模型应用于深圳滨海大道市政工程软土路基沉降预测中,并对模型的预测效果进行精度分析。结果表明,马尔可夫链改进的MMF模型的预测精度较单一的MMF有明显提高,建模方法合理,可用于类似的工程预测。     

利用Vondrak滤波优化Richards曲线的沉降预测方法

针对沉降预测模型的重要参数难以选取问题,考虑观测数据中含有噪声的影响,提出了利用Vondrak滤波优化Richards曲线的沉降预测方法。为了使预测值更加逼近实测值,选择以Richards曲线为基础模型进行改进,优化模型的沉降初始值和沉降极限值参数。利用Vondrak滤波对实测沉降数据进行平滑处理,减弱观测值中噪声的影响,为模型构建提供更加合理的参考数据。将Fminsearch函数计算结果作为参数迭代初始值,联合逐步回归分析法求得预测模型的最优参数。通过对比实验分析发现,改进方法的预测精度达到了±0.124 mm,与未加改进的预测方法相比,精度得到了较大提高。研究结果表明,利用Vondrak滤波优化的沉降预测方法能够提高精度,同时验证了改进方法的有效性。     

BP与RBF在复合地基沉降预测中的比较分析

针对复合地基沉降特点以及高层建筑沉降预测的重要性,本文分析了BP与RBF预测模型的优势,结合实际工程施工及工后沉降预测数据,进行CFG复合地基沉降预测。结果表明,BP与RBF预测结果达到0.1 mm级,RBF在此工程实例中的沉降预测比BP更具有优越性。     

一种计算高铁沉降预测常用模型参数的新方法

高速铁路的修建需要对线下构筑物进行沉降观测和沉降评估。本文深入研究了常用的5种预测函数模型及其参数的一般解算方法,并基于Matlab软件的lsqcurvefit函数提出了一种新的参数解算方法,最后通过实际工程数据检验,证明了该方法有较高的可行性和精确度。     

Peck公式在天津隧道盾构施工地面沉降预测中的适用性分析

本文根据天津市区至滨海新区快速轨道交通工程中山门西段SZm标段盾构区间工程的实际观测数据,确定了适用于天津地区的Peck公式以及纵向沉降的指数公式的参数取值范围,并利用确定参数后的公式对地面沉降进行了预测和实际的沉降观测,对比结果显示,参数的确定基本准确,经过修正后的公式可以用于天津地铁施工的地面沉降的预测。     

基于自回归法的滑坡监测数据Kalman滤波的应用

介绍了卡尔曼滤波的基本模型,针对运动学方法以监测点位置参数、速率参数为状态向量,以加速度为噪声向量建立观测方程和状态方程的过程比较复杂。把自回归法引入状态方程和观测方程的建立中,并结合某露天矿滑坡动态监测数据分析了模型的应用。结果表明,滤波值和观测值之间差值保持在1～3cm之间,滤波后图像较原观测值图像更为光滑,表明所建模型是合适的,能够反映滑坡动态变化过程,从而为矿滑坡监测预报提供数学工具。     

BP神经网络在高层建筑沉降预测中的应用

利用人工神经网络强大的非线性映射和学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法。以某实例工程1期～12期的沉降观测数据为基础,建立网络模型,并对13期～l6期实际观测值与预测值进行了比较,结果比较理想,从而验证了改进的BP人工神经网络对建筑物的沉降预测是可行的,且具有广阔的工程应用价值。     

概率积分法参数的稳健估计模型及其应用研究

将稳健估计理论应用于矿山开采沉陷预计参数的求取,建立了概率积分法稳健求参数学模型,并编制了相应的稳健求参计算软件。利用峰峰矿区开采沉陷实测资料进行人工异值干扰求参实验,结果表明是国家采用稳健求参技术可降低异值或粗差的干扰,克服常规的最小二乘法拟合求参时常出现的结果发散问题,保证了求参结果的可靠性和稳健性。     

基于对数变换的优化灰色模型在基坑沉降中的应用

结合青岛某火车站基坑沉降观测工程,本文运用灰色预测模型对其沉降数据进行处理,并对其未来趋势做出预测。传统灰色预测模型的优点是计算简单,但其与原始数据拟合程度较低,预测精度有时也不能满足要求。为了提高灰色模型的拟合和预测精度,本文对原始数据进行对数变换以提高原始数据序列的光滑度,并融入新陈代谢思想对模型做进一步优化。结果表明,优化后的模型预测精度较高,有较好的应用价值。     

顾及不确定性影响的变形概率预报法

针对变形预报的不确定性,以MCMC算法和贝叶斯预测理论为基础,提出了变形概率预报方法,该方法以概率分布的形式描述变形预报的不确定性,通过概率规则实现预报的递推过程。利用宁杭高速路基沉降数据进行数值计算,定量分析了预报值及其可靠性区间等信息,并与最小二乘估计、免疫算法的预报结果进行比较,结果表明了该方法的有效性和可行性。     

基于方差膨胀模型的粗差探测Bayes方法

基于方差膨胀模型提出并建立了用观测信息的同时利用先验信息判断粗差的Bayes方法。首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法;然后针对测量平差实际,考虑未知参数的两种先验信息分别给出了非等权独立观测条件下基于该模型的后验概率的计算公式;最后对模拟算例进行了计算和分析。试验结果表明,用给出的探测粗差的Bayes方法是切实可行的。     

GM(1,1)在储罐充水沉降预测中的应用

对大型储罐充水量与罐基础的沉降量关系进行了论述,提出了采用GM(1,1)模型对储罐在充水预压过程中进行罐基础的沉降量预测的方法,并对预测模型的进行了检验,证实了GM(1,1)模型在储罐充水预压过程中进行等水位间隔沉降量预测的可行性。     

正态-Gamma先验下粗差探测的Bayes方法

本文主要运用Bayes统计推断的基本原理,提出和建立将观测信息与正态——Gamma先验信息融合、基于综合信息判断粗差的Bayes方法。首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法,然后针对测量平差实际,考虑未知参数的正态-Gamma先验信息,分别给出了非等权独立观测条件下基于均值漂移模型和方差膨胀模型的后验概率的具体计算公式,并给出了相应的粗差的Bayes估算方法。最后提出了基于后验概率进行粗差探测的实施过程和具体步骤。数值试验的结果表明,本文提出的粗差探测的Bayes方法对多个粗差的同时定位和定值是相当有效的。     

基于分区回归模型确定建筑物倾斜状态

针对高层建筑物外部结构复杂、仪器设站困难的问题,提出了分区回归模型,拟合基础沉降面,确定建筑物倾斜状态。在建筑物内部基础上均匀布设沉降监测点,测量出各周期累积沉降量,对基础沉降进行分块拟合,获得基础沉降的局部变形特征,以此进行区域划分,最后利用基础沉降面的法线向量确定建筑物倾斜度和倾斜方向。对比传统倾斜测量结果可以看出,利用分区回归模型能满足实际工程需求,比回归平面模型具有更高的精度和适用性。