GM(1,1)模型在建筑物沉降分析中的应用

采用灰色理论中的GM(1,1)模型,对建筑物的沉降数据进行拟合,并以此模型进行预报。通过实例分析,GM(1,1)模型具有较高的拟合精度以及预报精度,能够准确预报建筑物未来沉降趋势,在确保建筑物安全方面,具有较高的实际指导意义。     

加权移动平均与曲线拟合模型在沉降监测中的应用

以建筑物的安全运营为首要目的,结合全球导航卫星系统高精度定位监测技术,采用事后处理软件解算监测点的三维坐标。本文分别利用加权移动平均法和曲线拟合法处理原始沉降观测数据,分析建筑物沉降变形规律,通过建立相应预测模型拟合数据,将实测值与拟合值作对比,详细论述模型精度及拟合程度,并对建筑物后期变形趋势进行预报分析。试验分析表明,2个预测模型的拟合值符合建筑物的沉降变形规律,验证了模型在沉降监测应用中的有效性及可行性。     

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.     

动态灰色-时序模型在建筑物沉降预测中的应用

针对灰色模型和时间序列都无法准确预测建筑物波动性沉降的问题,本文采用动态灰色模型和时间序列相结合的方法来预测分析其沉降趋势。首先根据监测数据建立灰色模型,在此基础上构建动态灰色模型来拟合时间序列中的趋势项,然后依据时间序列进行预测。结果表明:动态灰色-时序模型能够准确预测建筑物的变化趋势。     

一种建筑沉降叠加预测方法

针对高层建筑的沉降监测与趋势预报问题,结合时间序列分析方法,该文提出一种基于ARMA的趋势项和随机项叠加预测法,把沉降监测时间序列数据分解为趋势项与随机项,分别建立趋势回归函数模型与随机项ARMA模型,叠加进行沉降量的预报,并通过上海外滩某高层建筑的沉降监测实例,研究并比较了该方法与传统的ARIMA差分预测法对建筑沉降预报精度的影响。实验结果表明:基于ARMA的趋势项和随机项叠加预测法在沉降预报中精度优于基于ARIMA的差分预测法。该方法利用趋势回归函数的保持作用,克服了传统的时间序列ARIMA模型在长期预测中精度不高的问题,并且随着预测步长的增加,优势更加明显。     

一种基于双影响因子的软基沉降时序模型

为进一步提高软基沉降预测精度,对利用钻探取样、单轴固结实验、渗透—三轴固结联合实验、经验公式建立的固结沉降时序模型以及通过稳健加权总体最小二乘算法拟合得到的区块沉降时序模型进行组合,得到一种以时间为自变量、基于固结沉降和区块沉降双影响因子的软基沉降时序模型。将模型应用于广州市南沙区某软基地面监测点沉降预测中,结果表明该模型较好地反演了软基沉降规律,预测误差指标均小于其他模型,预测准确性和可靠性最高。     

基于时序分析的建筑物沉降数据处理

变形数据分析与预报是变形监测数据处理的重要内容。基于时间序列分析的特性,研究了应用AR模型对建筑物沉降数据进行分析处理和预报的方法步骤,并通过实例计算证明,该模型具有较好的拟合效果和预报精度。     

基于时序模型的变形预报研究

时序模型是一种有效的变形预报方法,但在很多变形预报时序模型应用中,存在建模过程不严密、缺乏统计检验和模型验证等问题。针对这些问题,本文首次在变形预报中采用LM检验来判断序列的相关性,ADF检验判断序列的平稳性,自相关图和偏自相关图初步确定模型类型和阶数以及AIC准则来确定最终模型,确保建模的每一过程都有严格的统计意义。文中利用实测沉降数据,建立了预报模型,并利用模型进行预报;最后将预报结果与实测数据比较,验证了预报模型的有效性,证明本文建模方法科学合理,能用于实际变形预报。     

京沪高速铁路沉降趋势分析与预报方法的研究

分别运用多项式拟合和灰色GM(1,1)模型,对京沪高速铁路常州段桥墩沉降监测数据进行了处理与分析,验证了灰色GM(1,1)模型的预测效果优于多项式拟合,能较好地预测桥墩的沉降趋势。     

基于时间序列模型的变电站沉降预测分析

变形分析与预报是变形监测数据处理的重要内容,而时间序列模型是常用的变形分析与预报工具。本文采用时间序列模型对变电站沉降数据进行分析建模,从而掌握变电站的沉降规律,预测未来沉降趋势,对下一步施工具有实际指导意义。     

基于 MATLAB 与小波进行沉降数据处理与分析

结合小波分析的基本原理和MATLAB强大的数据处理能力与图形拟合能力,采用了小波时间序列预测模型与MATLAB中自带的拟合工具箱来进行沉降数据的拟合,并将该方法应用于黄冈市某大桥软土路基沉降监测的预测工作中。然后,对两种拟合方法进行了预测效果对比。从所得的结果表明：小波处理后的模型具有抗差干扰和粗差探测、剔除的优点,同时使用曲线拟合工具箱的拟合模型比常规模型更方便快捷且预测的效果也很高,两种模型结合使用会较大地增加其应用价值。     

EM算法的时序模型在沉降数据处理中的应用

针对时间序列分析对监测数据中出现的不完全数据(部分数据缺失)无法进行精确建模的问题,该文引入期望极大算法(EM算法),提出EM算法与时间序列分析的组合算法模型。运用EM算法的时间序列分析组合算法模型可以对沉降过程中遇到的不完全沉降数据进行建模分析,该组合算法模型可以对不完全沉降数据进行较为精确的建模,并对后期沉降数据进行较为精确的预测。将某地铁基坑点沉降数据作为实验数据,EM算法的时间序列分析的建模结果表明:所提出的组合算法模型可以对不完全沉降数据进行建模分析,绝对误差为0.23mm,建模精度较高。     

回归分析在建筑物变形监测中的应用

本文介绍了如何应用Excel选取合适的曲线拟合模型,结合沉降观测实例,用所选模型进行建筑物沉降变形的数据分析,进行沉降预测结果的分析和检验,在一定程度证实了建筑物沉降变形分析中这种方法的可行性。     

Excel规划求解在桥墩沉降趋势分析中的应用

介绍Excel规划求解得出模型参数的方法,以武咸城际铁路桥墩沉降为例,采用双曲线和对数曲线模型,利用Excel自带的宏-规划求解来解算出两种模型的参数,从而对桥墩的沉降趋势进行分析和对最终沉降量进行预测,比较两种拟合曲线的拟合结果,选取适合桥墩沉降拟合的曲线并对拟合的残差进行二次曲线拟合,用残差二次拟合得到的最终残差值对最终沉降量进行修正,进一步提高了预测值的精度。用该方法得到了较好的效果,为铁路的铺轨以及运营提供了技术性保障。     

基于时间序列分析的露天矿边坡沉降预测模型

结合小波分析在数据处理方面的优势,采用小波包去噪对露天矿边坡沉降数据进行去噪处理,再结合时间序列分析理论建立小波包-时间序列预测模型,从而对露天矿边坡进行变形分析预测。通过实验数据对比分析,结合小波包去噪与时间序列分析理论模型对露天矿边坡沉降数据进行预测,预测精度较高,能够对矿区边坡的沉降进行预测。     

GPS高程综合拟合模型与精度分析

通过对多面函数和二次曲面模型的分析,提出了一种更高精度拟合高程的综合模型。结合实例,对比研究证实该方法的可行性,为大地高向正常高转换提供了一种参考思路。     

曲线拟合与GM(1,1)模型沉降预测及相关性分析

在重大建筑施工中,沉降观测是监测建筑物是否安全的重要环节,本文将曲线拟合与灰色系统理论应用于建物沉降变形的数据分析,结合沉降观测实例,进行沉降预测结果的分析和检验,在一定程度证实了建筑物沉降变形分析中两种方法的可行性,并用相关分析的方法提出了选择合理预测模型的基本原则。     

卡尔曼滤波法在城际高铁沉降变形监测与分析的应用

随着我国城市化的不断发展,城际高铁作为城市圈之间的大动脉,对加强城市间联系,方便居民出行起到了重大作用。城际高铁轨道的沉降问题,是高速铁路运行面临最普遍的问题,影响高速行驶下高铁运行的安全性和稳定性。高速铁路的沉降监测数据是一组离散时间序列,蕴含十分丰富的形变信息。为了发掘这些数据中的变形规律,需要建立沉降预测模型,进行综合分析后,采用卡尔曼滤波法对沉降进行预测分析。     

高速铁路路基过渡段沉降预测研究及方法优化

利用现场监测数据对双曲线法、三点法、指数曲线法和Asaoka法等常规曲线拟合方法进行不同时间计算单位的拟合分析,综合考虑相关系数、误差平方和以及最终沉降量等,研究每种方法的适用性。将其中的Asaoka法、三点法、指数法结合二次自适应最小二乘迭代思想进行优化改进。研究表明:在高速铁路路隧和路桥过渡段沉降预测分析中几种方法都具有较好的适用性;优化改进后的方法相关系数高,预测误差小,最终沉降量预测值波动小;无论短期监测数据还是长期监测数据,以月为周期进行预测分析优于按天预测的结果。     

基于非等时距数据序列的高层建筑沉降预测

将泊松曲线引入到高层建筑的沉降预测分析中。采用牛顿插值平均法将非等时距数据转化成等时距数据,通过三段计算法求解模型系数,并结合高层建筑沉降监测工程实例计算分析,结果表明:泊松曲线预测与实际沉降数据吻合较好,拟合曲线精度较高,预测效果明显好于传统的双曲线法和指数曲线法,具有较高的实际应用价值。