加权GM(1.1)模型在地铁沉降监测中的应用

GM(1,1)模型中的新数据的重要性远远大于那些陈旧的数据,然而,传统的GM(1,1)模型数据的累加并没有体现出新数据的重要性.通过对广州地铁五号线沉降监测数据进行处理,分别建立传统的GM(1,1)模型和加权GM(1,1)模型,对两种模型进行分析与预报,比较的结果验证了加权GM(1,1)模型在地铁沉降变形分析中的有效性、实用性和正确性.     

灰色-小波神经网络支持下对地铁工程沉降变形的预测

变形监测是安全化工程施工和管理的重要内容,贯穿于项目的设计、施工和运行,对监测的沉降数据进行处理,并预测沉降量,提前对工程作出安全预警,有很重要的实际意义。本文基于GM(1,1)灰色模型、小波分析和神经网络结合的相关理论,借助Matlab软件编程,建立了灰色-小波神经网络变形预测网络模型。结合工程实例,将建立的变形预测网络模型应用于累积沉降量观测数据,结果表明组合模型具有很稳定的预测效果,比单独的GM(1,1)灰色模型预测准确度高,且训练样本越多,预测越符合实际情况。     

建筑物沉降监测中的改进灰色模型

针对传统非等间距GM(1,1)模型在建筑物沉降监测中预测精度不够高的问题,提出了一种新的非等间距GM(1,1)建模方法。此法基于初始条件改进及把灰色微分方程的白化方程中的灰导数用离散形式进行表示的改进相结合、提高非等间距GM(1,1)模型的建模精度。结合桂林市某广场的集商用、住房于一体的高层建筑的沉降变形监测实例,将本模型的沉降预测的结果同文献中另一非等间距GM(1,1)改进方法进行对比分析和检验,充分验证了建筑物沉降变形分析预报中本模型方法的可行性和优越性,对进一步促进非等间距GM(1,1)模型在沉降变形预测中的应用起到了积极的作用。     

组合预测模型在基坑变形监测中的应用

现今常见的变形监测数据处理方法有GM(1,1)模型、BP神经网络模型和径向基神经网络模型(RBF),本文分别采用GM(1,1)模型和RBF网络模型对基坑结构的水平位移量进行预测,并且采用基于方差倒数法的组合模型对上述两种单一模型预测值进行组合,以达到改善预测精度的效果。实验结果表明,组合模型的预测精度和可靠性优于单一模型,说明了该模型的可行性。     

灰色系统预测模型在沉降监测中的应用

在深入研究和分析灰色系统预测模型的基础上,用Matlab软件编写了灰色系统模型用于沉降监测数据处理的程序。通过对某建筑物沉降项目的数据处理,得出较高的预测精度,证明了灰色系统预测模型在沉降监测应用中的可行性和可靠性。     

灰色系统理论在海堤沉降预测中的应用

利用灰色系统理论,对秦山核电站一期海堤沉降进行了预测,以较少的观测样本建立了新陈代谢数列,经后验差检验,观测精度达到一级。由此证明,用ＧＭ（１,１）模型进行预测,建模方便,预测精度高,在大型建筑物变形监测中有较大的实用价值。     

灰色卡尔曼滤波在沉降监测中的应用

在卡尔曼滤波的状态方程中加入GM(1,1)模型形成灰色卡尔曼滤波。分析了该方法在沉降监测数值分析中的预报作用,并探讨了其中GM(1,1)模型数据序列长度的选择。在利用模拟数据进行验证后,认为这种新型的卡尔曼滤波方法的确有所改善。     

神经网络与灰色理论联合模型在地铁沉降预测中的应用

地铁路基的过量沉降或不均匀沉降将导致线路运营条件的恶化,乘客舒适度降低,甚至危及行车安全。因此对路基工程后期的沉降控制和预测随着运营速度的提高而愈加急迫。根据某段地铁线路路基的实际沉降观测数据,将神经网络与灰色系统进行串联型结合:即先利用BP神经网络插值方法将不等时距的实测沉降数据序列转化为等时距数据序列,进而利用转化的等时距沉降序列依据灰色GM(1,1)模型对荷载稳定时间内的路基沉降进行预测。实验结果表明,该方法具有较高预测精度。     

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。     

水准测量在地铁隧道沉降监测中的应用

目前,水准测量是传递高程精度最高的方法。地铁隧道沉降监测数据的获取还是通过水准测量的手段,地铁沉降监测的步骤主要有地面控制网测量、高程导入站台工作点、隧道中监测点的测量三个部分。本文主要介绍水准测量在地铁沉降监测中的应用、监测点的埋设、控制网的建立、数据质量检查、沉降数据分析,通过沉降监测了解地铁隧道病害情况,为沉降防治提供数据支持。     

基于Matlab的灰色回归组合模型在沉降监测中的应用

基于Matlab的灰色回归组合模型,是对灰色GM(1,1)模型以及线性回归模型的补充和改善,通过对某工程沉降监测数据进行分析和处理,并且与单一模型的预测精度相比较,从预测结果可知该组合模型的预测精度与单一模型相比有较大提高,这对于预测工程时间有一定的指导意义。     

灰色系统GM(1,1)模型在建筑物变形监测中的应用

对GM(1,1)模型的基本原理进行了介绍,给出了模型预测精度评定的方法和等级指标,并基于MATLAB实现模型对实际工程沉降数据的预测,对模型的预测效果进行了分析。     

优化非等时距加权灰色-时序组合模型在地铁监测中的应用

对某地铁工程沉降数据进行建模预测,可以掌握其变形规律并预测变形趋势.本文将传统非等时距灰色模型引入时距权比系数,按照不同的生成及还原方式构建3种预测模型,并确定最优拟合序列.在此基础上,组合时序模型对残差部分进行处理,建立优化非等时距加权灰色-时序组合模型,结合工程实例进行验证.结果表明,优化非等时距加权灰色-时序组合...     

灰色预测模型在地面沉降中的应用

城市地面沉降已经成为城市发展的严重制约因素,很多城市都在积极采取控制沉降的措施.地面沉降趋势的预测可为地面沉降防控提供数据参考.本文基于天津某地区沉降监测数据,采用灰色理论建立GM(1,1)模型对沉降趋势进行预测.结果 显示,利用灰色模型预测地面沉降具有较高的精度,能够在地面沉降的预测研究中发挥作用.     

D-InSAR在济宁矿区地面沉降监测中的应用

合成孔径雷达差分干涉测量技术(differential interferometry synthetic aperture radar,D-InSAR)已在矿区地表沉降监测中得到广泛的应用。论文选取2景2009-01-10—2009-02-25覆盖济宁矿区的L波段的ALOS PALSAR影像。基于SarScape软件对研究区进行双轨差分干涉处理,得到一系列结果图;选取两个沉降明显的区域进行精细化分析;结合GIS软件得到整个研究区的沉降分布以及各沉降区在监测时间段内的沉降量和沉降面积等信息。研究表明:利用双轨D-InSAR技术可以获取研究区沉降的整体分布情况和具体煤矿区开采引起沉降量和沉降影响范围等信息,从而为治理煤矿区开采引起的地面沉降情况提供一定的技术支持和经验借鉴。     

GPS用于地面沉降观测时间的探讨

通过分析已有监测数据,对比相同观测条件下不同观测时长的数据解算结果,验证了监测时长对监测结果的影响,提出了有利于地面沉降监测的最优观测时长,为制定下一步的监测工作方案提供参考。     

新陈代谢灰色模型在地铁变形监测中的应用

针对地铁开挖造成的地表变形预测问题,本文探讨了灰色模型的基本原理与优势,并以某地铁实测变形数据为依据,采用新陈代谢GM(1,1)模型进行建模预测,以ARMA预测模型、GM(1,1)模型分别进行对比分析。通过精度评定,获取可靠结论。实验结果表明,3种预计模型均可获取一定精度的预测值,新陈代谢GM(1,1)模型的预测值准确可靠,精度高于另外两种模型,为同类变形预计的实际工程项目提供了依据,具有参考价值。     

近景摄影测量在矿区开采沉陷监测中的应用

近景摄影测量可以快速、自动地获取监测对象的点云数据,具有自动化程度高、劳动强度小等特点。本文在阐述Lensphoto多基线数字近景摄影测量系统的原理和监测流程基础上,采用该系统对矿区开采沉陷区进行变形监测,获取了沉陷区不同阶段的地表移动变形值。监测结果表明:近景摄影测量方法应用在矿区开采沉陷监测中是可行的,相对于全站仪测量,具有获取沉降数据丰富、生产效率高等特点。     

双轨D-InSAR在济宁矿区地面沉降监测中的应用

合成孔径雷达差分干涉测量技术(differential interferometry synthetic aperture radar,D-InSAR)已在矿区地面沉降监测中得到了广泛的应用。结合收集到的水准数据,选取了2009-01-10至2009-02-25时间段内的两景覆盖济宁东滩矿区的ALOS PARSAR数据,并以1∶50 000的数字高程数据(digital elevation model,DEM)作为外部参考DEM,利用GAMMA软件中的双轨D-InSAR技术对矿区的地面沉降进行监测,获取了东滩矿区的差分干涉图、增强后的干涉图、相干图、沉降图等一系列结果图,并统计分析东滩矿区在该时间段的沉降量、沉降分布及沉降面积等信息;将地理编码后的沉降图与最邻近时间段的水准数据进行精度验证及分析。结果表明:双轨D-InSAR技术可以对矿区的地面沉降进行有效的监测。