指数平滑法在建筑物变形预测中的应用

应用指数平滑法对建筑物的变形进行预测,在此基础之上,指出指数平滑法存在的不足,提出改进模型.     

建筑物沉降数据分析的灰色预测方法

本文将灰色系统理论的GM（1，1）模型应用于建筑物沉降观测，并结合南宁市民生广场沉降观测实例，进行沉降预测结果的分析和检验，充分证实了在建筑物沉降变形分析中应用灰色预测法的可行性。     

灰色预测在建筑物沉降变形分析中的应用

本文将灰色系统理论的GM(1,1)模型应用于建筑物沉降变形数据分析,结合南宁市民生广场沉降观测实例,进行沉降预测结果的分析和检验,充分证实了在建筑物沉降变形分析中应用灰色预测方法的可行性。     

一种串联式组合模型在沉降预测中的应用

通过分析建筑物沉降变形规律,并参考相关文献,提出一种基于二次平滑和指数曲线的串联式组合预测模型,核心思想是汇集两种方法的优点,对变形数据进行处理,以期能够最大限度地提高拟合、预测精度。文中就基础理论和建模流程进行详细介绍,并以工程实例加以验证,结果表明,组合方法建模简单,计算结果有效、可靠。     

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。     

基于灰色幂模型的施工地表沉降预测方法

灰色模型是沉降预测的常用方法,具有预测时间长、所需数据少的优点,针对不同的数据特点可以与其他模型进行结合以提高模型预测精度。灰色幂模型NGBM(1,1)即非线性灰色伯努利模型,在经济分析、天气预测等方面已经有较多应用,但在沉降领域应用较少。针对此问题,本文在灰色模型的基础上分析灰色幂模型的计算方法,并结合实例数据进行分析,结果表明,幂函数模型的平均相对误差仅为5.99%,后验差与小概率分布均为一级,具有较高的精度。     

非负变权组合预测模型在建筑物沉降预测中的应用

为了克服建筑物变形预测中单一模型预测精度差、不稳定的问题,本文融合了适应性强、互补性好的自回归滑动模型、灰色模型和三次指数平滑法三种模型,基于误差平方和最小准则,采用滚动时间域的方式构建了非负变权组合预测模型。工程应用表明:非负变权组合预测模型的预测精度、可靠性优于三种单一预测模型、方差倒数组合预测模型以及等权组合预测模型。研究成果对建筑物沉降预测具有较好的参考价值。     

建筑物变形短期预测的神经网络方法

从系统论出发,把建筑物变形看成一个黑箱系统,提出了利用神经网络对建筑物变形进行短期预测的一种新方法,在此方法中,利用多层前馈神经网络实现系统的输出与输入映射,采用正的反向传播算法作为学习算法。用实例加以证明,其拟合和预测的结果都令人满意。     

灰色预测用于大坝水平变形预测的研究

针对大坝变形数据处理中使用少数据观测值进行预测的问题，对大坝水平位移值应用灰色预测作了较好的预测，对ＧＭ模型的初始值解算作了全新的研究。经对大量不同的实例数据计算取得了较好的拟合和预测精度，从而表明灰色预测对大坝变形分析是一种适用的数据处理方法。     

基于非等间距模型的建筑物沉降预测方法研究

该文基于实测资料进行建筑物沉降预测。在灰色模型和泊松曲线模型理论的基础上,引入对非等间距数列进行变换处理的方法,从而建立了非等间距预测模型。结合建筑物沉降监测资料进行分析比较,结果表明,两种预测方法均能较好地反映建筑物的沉降趋势。     

基于中值滤波的灰色预测模型及其在大坝变形预测中的应用

在大坝变形监测中,当用GM(1,1)模型对稳定变化的变形数据序列进行预测时,效果较好。但是,影响坝体变形的因素多种多样,且处于动态变化之中,观测数据中将不可避免地存在着一些随机扰动,这些扰动使大坝的变形曲线发生异常波动。此时仅用GM(1,1)模型进行预测,其精度和可靠性就会下降。为此,本文提出一种基于中值滤波的GM预测模型,即先用中值滤波算法对发生波动的原始变形监测数据进行滤波处理,而后再建立GM模型进行灰色预测。实例证明,基于中值滤波的GM预测模型可以有效地提高大坝变形的预测精度。     

动态灰色模型在变形预测中的应用

本文在引入序列算子成功构造灰色序列的基础上,详细讨论了灰色预测模型的基本内容和两种动态灰色预测模型的实现,并成功将其应用于广州地铁变形监测的数据预报。实践及理论证明,新陈代谢灰色预测模型由于实时加入系统的最新信息,提高灰区间的白度,预测精度最高;灰数递补模型通过引入灰数,一定程度上也提高了预测的精度。新陈代谢灰色预测模型实践证明预测精度可达到一级。     

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。     

小波分解下的变形预报组合模型

利用小波变换分解变形监测数据,重构分离得到低频线性项和高频非线性项,线性特征强的子序列使用ARMA模型进行建模预报,非线性特征强的子序列使用神经网络模型进行建模预报,最后合成获得预报值。文中使用隔河岩大坝GPS变形监测数据进行建模预报,分析小波分解层数对预报精度的影响,提出平滑测度确定分解层数的方法,比较ARMA模型或神经网络模型和小波分解下的组合模型的预报精度,结果表明组合模型的预报精度优于单一模型,其精度在0.6mm,最大偏差为1.6mm,平均改善76%和77%。     

基于灰色关联分析的卡尔曼滤波在桥梁变形监测中的应用

在某长江特大桥桥面挠度变形监测过程中,考虑引起桥梁挠度变化的相关因素,采用灰色关联分析确定其中较重要的影响因子后,在传统卡尔曼滤波模型基础上建立改化后的状态方程和观测方程,从而完成相关因素的预测预报工作。实际应用结果表明,基于灰色关联分析的卡尔曼滤波对桥梁挠度变化的预测结果比传统滤波模型更加接近最终实测值,具有更高的准确性与可信度。     

非等时距GM(1,1)在变形预报中的应用

本文应用灰色理论建模原理,探讨了非等间距GM(1,1)模型的建模步骤;通过几种不同参数下的建模方式,利用MATLAB编程进行计算比较,着重分析影响非等间距GM(1,1)模型预报精度的因素,并探讨模型的改进方法。结果表明,对于较均匀的非等间距数据,灰色模型具有较高的预报精度。在间距间隔变化较大的情况下,灰色模型进行改进后也能得到比较满意的预报结果。     

基于TLS的多变量灰色模型在大坝变形预报中的应用

传统多变量灰色模型MGM(1,n)的背景值误差会使得求解的灰色参数精度降低。总体最小二乘是一种可以同时顾及到观测误差与模型系数矩阵误差的数学方法。基于此,引入TLS对传统MGM(1,n)模型的灰色参数进行修正。通过对某大坝变形数据试算,验证表明,该方法能够有效地提高变形预报精度。     

基于小波阈值法去噪的建筑物变形监测数据处理

基于小波阈值法具有非常明显的渐进近似最优性质,可以在均方差意义下取得最优的去噪效果,利用小波阈值法去噪的技术,对一组建筑物变形监测数据进行去噪处理.实验结果表明,小波阈值去噪合理有效,能够敏感识别观测噪声和有用信息,不需要待检测信号的先验知识,特别适合于建筑物变形监测数据处理.     

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。