灰关联GM(1,N)模型在建筑物沉降分析中的应用

针对建筑物沉降变形中各监测点相互关联、相互影响的情形,可将灰色系统理论中的GM(1,N)模型引入到建筑物沉降分析中。本文利用灰度关联方法确定相关因子的关联度,建立GM(1,N)模型,并与回归分析、GM(1,1)模型比较。通过工程实例,得出灰关联GM(1,N)模型预测精度明显高于另外两种模型,验证了该模型在进行建筑物沉降分析预测中应用的可行性。     

顾及空间和时间关联信息的动态变形模型及其预报方法

本文的研究主题是顾及空间和时间关联信息的动态变形模型及其预报方法。论文在分析比较国内外变形分析与变形预报理论和方法的基础上,首先讨论了大信息量下变形观测时间序列的分析途径,提出了一种简洁快速、适宜于实际工程问题动态变形分析与趋势预报的DDS方法。该方法以较少的模型参数和简洁的模型形式表达了系统离乱序列的潜在变化规律,并判断系统的稳定性。针对贫信息条件下的系统建模问题,论文指出了GM（1,1）模型的适用范围,提出了采用灰色组合动态模型代替常规GM（1,1）建模,并以构造模型群、进行模型比选和给出预测区间的模式进行预测模型的有效性检验。提出了一种多因子关联分析新方法,建立了描述变形因果关系的系统状态模型,是变形成因分析的新的研究途径。针对单点变形分析的不足,首次提出了用灰关联聚类分析方法来描述空间点之间的关系,推出了多点的时空非线性动态模型,使局部单点的变形分析转向空间氛友的整体分析。利用长江三峡链子崖危岩体的实际变形观测资料,进行免走的友关联聚类分析,根据数学定量分析与地质定性分析的综合评判结果,建立了多点的变形动态模型,并进行了整体变形分析及预测预报的有效性验证。     

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。     

Correlation －SVM 模型在大坝变形预测中的应用

引起大坝变形的影响因素很多,即在利用支持向量机（ SVM）模型进行大坝变形分析和预报的过程中,需要将所有的影响因子都输入到SVM模型中,这样会造成输入因子的不侧重性,基于此,本文对大坝变形的影响因子进行相关性分析,根据大坝变形影响因子和大坝变形量之间的关系来确定最优的影响因子,即将比重比较大的影响因子输入到SVM模型中,从而提高了SVM模型运行效率及预测的精度和速度。     

大坝变形时间序列的奇异谱分析

为了研究大坝变形规律并分析其影响因子,利用奇异谱分析(SSA)提取大坝变形时间序列的趋势和周期分量,并分析各分量与时效、温度和水位因子的关联性。通过分析某大坝实测数据,发现大坝存在徐变和周期性弹性形变。其中,徐变即趋势项,主要与时效因子有关;弹性形变对应的周期项主要与温度和水位的周期变化有关,且温度因子与弹性形变的相关性明显大于水位因子。利用提取的趋势和周期项对大坝变形时间序列进行拟合并预测,其拟合和预测误差分别为0.52和0.24 mm;若采用传统的多元线性回归模型进行拟合和预测,其误差则分别为0.81和0.57 mm。这表明奇异谱方法的拟合和预测精度均优于多元回归法,能够更准确地预测大坝变形。     

贫信息条件下的多点变形预测模型及其应用

常用的单点变形分析方法没有利用监测点间相互关系的信息，不足以反映变形体整体的变形规律。本文将单点的变形预测模型扩展为多点的变形预测模型，建立了贫信息条件下的多点预测模型。进行了实例建模与分析，结果表明，多点预测模型为解决少数据，多因子的动态系统预测与分析提供了新的途径。     

非等间距多点变形预测模型及其应用

将彼此关联的多个变形监测点纳入整体建模,将单点的变形分析扩展到空间多点的整体变形分析,采用非等间距等距化处理的改进方法,建立了基于非等间距的多点变形预测模型。本文通过实例分析与对比,验证了非等间距多点变形预测模型的可行性和有效性,是一种非线性时空整体变形分析与预测的新方法。     

基于灰关联聚类分析的多点时空非线性模型及其应用

用灰关联分析与模糊聚类方法进行变形点的多点分析,用地质定性分析与数学定量分析相结合的方式对三峡链子崖危岩体Ｔ０￣Ｔ６缝区进行了整体变形分析与空间预测模型的建立。结果表明,多点时空非线性模型是解决贫信息条件下整体变形预测的理想方法。     

基于灰关联聚类分析的多点时空非线性模型及其应用

用灰关联分析与模糊聚类方法进行变形点的多点分析,用地质定性分析与数学定量分析相结合的方式对三峡链子崖危岩体T0～T6缝区进行了整体变形分析与空间预测模型的建立。结果表明,多点时空非线性模型是解决贫信息条件下整体变形预测的理想方法。     

GNSS自动化监测系统的大坝变形预测方法研究

以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。     

基于定权的多因子线性拟合方法研究

通过综合曲线拟合与多因子线性拟合的特点,提出基于定权的多因子线性拟合方法用于多因子变形监测数据处理,实现基于定权的多因子线性拟合模型的建模过程,并与多元线性回归结果进行比对,同时对沉降变形监测的沉降量进行预测分析,验证模型的可行性和实用性。     

基于动态指数平滑模型的降雨诱发型滑坡预测

为了快速而准确地分析降雨型滑坡的变形趋势,以指数平滑法为数学基础,从滑坡的实际演化阶段出发,建立外界主要诱发因素与模型参数的关联,引入月累积降雨量作为模型参数动态评估因子,对白家包滑坡90期累积位移数据进行了拟合及预测。最终拟合的累计位移平均绝对误差和相关系数分别为11.346和0.933。与传统的静态参数方法相比,这种方法更符合降雨型滑坡发展的一般规律,预测精度更高。     

建(构)筑物变形监测与趋势预测模型研究

如何对建(构)物进行变形监测和趋势预测?针对这一问题,测绘技术人员研究了多种预测模型,但由于造成建(构)物变形的原因比较复杂,故各种预测模型都有各自的优势和不足。本文经过对大量的变形监测数据进行多元回归分析研究,且通过变形数据的内因和外因之间的相关性,建立变形关系的数学模型。当处理两个变量之间关系时,可采用一元回归分析。当处理一个变量与多个因子之间的关系时,应采用多元回归分析。并通过在回归方程中逐个引入显著因子,剔除不显著因子,获得最佳回归方程(预报方程),本方法在实际应用中预测效果显著。     

考虑建筑物荷载的变形监测数据处理方法

在建筑物变形分析中,多元回归分析方法有利于建立变形值与多个影响因子之间的关系。本文将多元回归模型用于建筑物变形监测数据处理,阐述了回归模型中影响因子的确定、回归模型的最小二乘参数估计以及回归模型的显著性检验。通过对建筑物沉降观测数据进行分析计算,说明了此方法的全过程,最后给出实测与预测曲线的比较以及模型的改进。     

基于大坝变形监测预报的神经网络方法的对比分析

近年来,国内外学者在神经网络方面做了大量研究,使神经网络技术在计算、分析、仿真、控制等方面得到广泛应用,在变形监测和测绘数据处理领域,学者们做了大量实验和实践研究,得到丰富的研究和应用成果。本文首先对大坝变形影响因子进行分析,采用主成分分析法提取影响大坝变形的因子元素,最大程度降低因子之间的相关性对神经网络模型的影响。采用改进BP神经网和径向基函数神经网络两种方法,分析大坝变形预测预报效果,并结合相关文献研究成果,对比两种算法的优缺点,探讨神经网络应用于大坝变形监测的可行性。最后结合工程实际应用实例,研究计算表明,改进BP神经网络和径向基函数神经网络都能对实测数据有较好的拟合效果,达到大坝变形预测预报精度,在大坝安全预测预报分析中具有一定的参考和实用价值。     

基于多元分析的地铁车站深基坑形变规律研究

鉴于深基坑变形监测中观测数据相互关联影响,结合地下管线与桩体位移等形变数据,将多元线性回归模型与灰色模型GM(1,N)应用于深基坑形变数据预测。本文根据深基坑监测基础数据进行多种形变数据的规律性分析;应用两种分析模型预测了五种基坑形变数据,将预测结果与实测值进行对比分析。结果表明,基坑监测设计合理,开挖期间形变不大、较稳定;比较两种模型,随时间生成动态参数的GM(1,N)模型具有更小的残差,能较好地预测基坑变形规律,可以用于相关项目的实施与数据分析。     

瀑布沟水电站移民新城变形监测与预测分析

根据瀑布沟水电站移民场地GPS边坡自动化变形监测系统获得的高边坡变形量时间序列的非线性性质,基于相空间重构理论和最邻近点法预测及其加权预测模式,提出了基于加权模式的多相型综合预测方法;并将该方法应用于瀑布沟水电站移民安置场地GPS监测点边坡变形预测中。从而将移民新城的变形监测与变形量的预测分析相结合,对瀑布沟水电站移民新城的稳定性进行实时监测与预测。实例研究表明:监测系统提供的移民场地变形监测的精度可达到毫米级;多相型综合预测方法具有较高的预测精度和可靠性。从而为边坡的变形预测提供了一种实用有效的方法。     

支持向量机模型在大坝变形预测中的应用

根据大坝变形量与大坝变形因子之间的非线性关系建立了大坝变形预测的支持向量机模型,并用交叉验证的方法对支持向量机惩罚参数和核函数参数进行寻优,最后得到良好的大坝变形预测效果。用该模型和与传统的BP神经网络对比,结果证明支持向量机在大坝变形预测方面是强于BP神经网络的。     

灰色时序组合模型在基坑监测中的运用

科学、实时、准确地分析和预报建筑物、构筑物的变形在现代测量工程实践中有着重要的意义。文中将时间序列分析与灰色系统理论相结合用于变形监测沉降数据预测。结合国家超级计算长沙中心项目天河广场深基坑沉降监测的数据实例,说明预测方法具有容易实现与预测准确的优点,是一种非常有效的预测方法。     

灰色时序组合模型在基坑监测中的运用

科学、实时、准确地分析和预报建筑物、构筑物的变形在现代测量工程实践中有着重要的意义。文中将时间序列分析与灰色系统理论相结合用于变形监测沉降数据预测。结合国家超级计算长沙中心项目天河广场深基坑沉降监测的数据实例,说明预测方法具有容易实现与预测准确的优点,是一种非常有效的预测方法。