基于曲线拟合的AR模型在地铁施工监测中的应用

在地铁施工过程中,进行实时监测、数据分析与预报可以为施工安全提供保障。AR模型可用于对监测数据进行分析与预报,且具有一定的精度。文章在曲线拟合的基础上,计算得到原始观测数据与拟合数据之间的残差序列,代替由差分法计算得到的残差序列,从而建立改进的AR模型,并通过地铁施工监测实例对AR模型与改进的AR模型的预测结果精度进行验证。结果表明:改进的AR模型较AR模型预测结果精度更为准确、可靠。     

某桥梁高支模的自动化变形监测及回归建模分析

基于广州市某桥梁施工工程高支模在施工中的自动化监测成果,建立高支模在桥梁施工中的变形与混凝土浇筑的回归模型。通过与实测变形数据的对比分析,说明了所建立回归模型的有效性。将高支模自动化变形监测与混泥土浇筑方量和浇筑速度结合起来,可以进行高支模变形的物理解释和预报,为指导高支模施工提供安全保障。对于类似工程的变形监测具有一定的参考应用价值。     

超近距隧道拱顶下沉监测与预报方法研究

根据超近距隧道施工变形监测的需要,介绍蜘蛛山隧道的施工时段拱顶下沉的变形监测和预报方法,通过实测数据建立双曲线回归函数预测模型,预测后期隧道拱顶下沉达到稳定的时间,从而为隧道的健康施工提供准确的标准。     

多元回归分析法在地铁沉降监测中的应用

以乌鲁木齐市地铁某标段暗挖隧道变形监测为例,采用多种监测方法对该施工标段进行地表沉降监测,并通过Matlab软件建立了与实际工程相适应的回归模型。该模型可分析处理数据以及预测变形曲线,能充分发挥变形监测在地铁暗挖施工过程中的重要作用。     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报。首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性。     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报.首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性.     

基于3DGIS与大数据技术的隧道施工信息化管理平台研究

针对隧道施工项目信息化中遇到的多源海量异构数据利用不够直观,管理难,信息共享难等问题,对3DGIS与大数据技术进行了应用研究。通过利用3DGIS技术,搭建三维隧道施工虚拟场景,建立了统一的隧道施工空间数据库,解决了隧道施工多源异构数据的集成与管理;通过利用先进的空间大数据技术,开发了隧道施工信息化管理云平台,实现了对三维海量异构数据的分布式计算、存储与共享,解决隧道施工中海量异构数据的存储与分析计算问题。平台的研发,实现了隧道施工项目中多源数据的三维一体化管理、共享与应用,并实现了对施工中的安全、质量及进度等相关数据进行管理分析,提高了隧道施工信息化管理水平。     

隧道监控量测三维激光扫描方法与应用研究

隧道监控量测是隧道施工安全控制的一个十分的重要环节,是隧道分步验收的重要内容之一,其目的是通过对隧道净空收敛和沉降观测,进行数据分析,优化隧道工程施工方案和优化设计,确定合理的安全步距和支护时间,保障隧道施工和工后运营安全。虽然国内外对隧道监控量测工作十分重视,但监测水平与信息化施工要求还相差甚远。提出隧道监测量测全断面三维激光扫描技术,并进行工程应用和实践。结果表明该技术可以实时、准确、全方位获取隧道空间变形数据。并进行变形分析和反分析,进行隧道施工风险预警预报,指导隧道信息化施工和优化设计,精度达到或超过有关规程要求,研究成果对隧道施工具有重要的理论意义和工程实际意义。     

BIM及空间大数据技术支持下的铁路隧道施工数据管理

针对铁路隧道施工项目海量异构数据存储困难、信息不共享、展示不直观、数据价值利用不充分等问题,本文利用BIM及空间大数据技术,研究探讨了隧道施工项目海量异构数据的分布式存储、网络共享、三维查询、智能分析决策等技术,实现了隧道施工项目高效的信息化管理;提出了铁路隧道BIM三维模型动态建立的技术方案,设计了隧道施工管理空间大数据的云平台框架,研发了一套铁路隧道施工空间大数据管理应用云平台;通过对平台的成功开发与应用,验证了框架体系的可行性,提高了隧道施工项目管理的信息化水平。     

基于GA-SVR的地铁隧道沉降预测

利用支持向量回归(SVR)和遗传算法(GA)参数寻优,建立了基于GA-SVR的地铁隧道沉降预测模型,可提高地铁隧道沉降预测的精度。利用长期实测的地铁结构监测数据对SVR模型进行训练,并通过GA优化SVR模型的3个参数;利用训练模型均方误差结合留一交叉验证的方法确定GA的适应度。基于南京地铁2号线隧道结构沉降实测数据,将预测值与实测值进行了对比分析。结果表明,该模型预测的地铁隧道沉降预测值准确、可靠,其精度能满足工程实际要求。     

地铁结构变形预测的时间序列模型方法研究

本文根据南京地铁某区间隧道结构变形监测数据,分别采用回归分析方法和时间序列分析方法建立模型,对地铁结构变形进行预测。计算结果表明在该工程实例中,回归分析模型的预测精度约为±0.20mm,时间序列模型的预测精度约为±0.08mm,较回归分析模型提高了60%,能够较好的对地铁结构变形进行预测。     

基于Matlab的建筑基坑变形灰色系统分析预报与应用

在基坑变形监测领域,将GM（1,1）模型应用于变形量的分析预报较为普遍.根据灰色系统理论,通过设定参数,进行用于基坑变形分析预报的灰色预测模型Matlab程序设计,利用具体工程前数期的实测数据,预测建筑基坑后期累计位移变形量,通过与后期实测数据的对比分析表明,程序运行的准确度较高,能够满足基坑变形预测预报的精度要求.     

回归分析与灰色理论在建筑物沉降变形分析中的应用

沉降监测的数据分析与预计在工程建设中具有决策辅助作用。选择合理的预测模型进行沉降预计,可以提高预计精度。结合工程实例,对焦作市×××项目8号楼进行沉降监测,分别用回归分析模型和灰色理论GM(1,1)模型进行数据处理,从而说明两种模型各自适用的环境条件和优缺点,预计效果令人满意。     

灰线性马尔科夫模型在建筑物变形监测中的应用

针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。     

北斗监测滑坡及其梯度增强多元回归位移预测北大核心CSCD

山体滑坡位移量预测精度主要受预测模型和参量的影响,而基于回归模型和灰度预测模型的传统滑坡预测模型主要存在模型预测结构单调、引入的预测影响参量不全面、长期性预测精度低等问题,因此,本文基于北斗数据提出了一种基于梯度增强多元回归算法的滑坡预测方法。梯度增强多元回归模型在考虑多重因素的前提下,使用如降水量、土壤湿度、地形参数等滑坡主影响因子作为回归模型参量,同时结合梯度增强方法,可以增强预测模型的有效结构,提升数据的使用率,进而提高长、短期的滑坡位移量预测精度。最后以西宁市南山寺滑坡带为例,考虑降水、地面沉降、地形地貌等诱发滑坡的关键因素,分别基于梯度增强多元回归模型、贝叶斯岭回归模型、弹性网络回归模型及支持向量机回归模型进行试验。结果表明,梯度增强多元回归模型的方差(EV)结果为0.99 mm^(2),均方差(MSE)结果为0.04 mm,平均绝对误差(MAE)结果为0.15 mm,且利用梯度增强多元回归模型对2020年12月的表面位移量进行预测,发现相对误差区间为(-0.8%,0.8%],预测精度最高。因此,相对而言,梯度增强多元回归预测模型精度更优、效率更高,更能准确反映滑坡表面位移量的变化状态,精确地对滑坡体进行全天候监控、预警,保障滑坡体周边环境的安全。     

无缝线性回归与预测模型

建立回归模型常采用最小二乘方法并忽略自变量观测误差。尽管同时顾及自变量和因变量观测误差的总体最小二乘方法近年来得到了广泛研究,但在模型预测时,依然忽略了待预测自变量的观测误差。对此,本文提出了一种严格考虑所有变量观测误差的无缝线性回归和预测模型,该模型将回归模型的建立和因变量预测联合处理,在建立回归模型过程中对待预测自变量的观测误差进行估计并修正,从而提高了模型预测效果。理论证明,现有的几种线性回归模型都是无缝线性回归和预测模型的特例。试验结果表明,无缝线性回归和预测模型的预测效果优于现有的几种模型,尤其在变量观测误差相关性较大时,无缝模型对预测效果的改善更为显著。     

ARIMA乘积季节模型在大坝位移监测中的应用

提出了应用ARIMA乘积季节模型对大坝位移监测数据进行分析和预报的新方法,并给出了基于开源R语言建立乘积季节模型的方法步骤和关键技术。结合某大坝径向位移监测数据进行计算分析,结果表明：ARIMA乘积季节模型能较准确地预报大坝位移趋势,具有较高的预测精度。     

总体最小二乘回归预测模型的方差分量估计

回归预测模型是对传统回归模型的进一步扩展,不仅涉及回归模型的固定参数估计,而且将模型预测纳入平差的部分内容,更加符合实际解算需求.针对在回归模型预测中经常出现待预测非公共点(自变量)含有观测误差和随机模型不准确的问题,基于EIV (errors-in-variables)模型提出了一种同时顾及所有变量观测误差的整体解法...     

变权组合预测模型在大坝沉降监测中的应用

为探讨变权组合预测模型在变形监测中的应用,以监测某大坝沉降量为实例,研究基于线性回归预测模型和灰色模型GM(1,1)的变权组合。通过预测该大坝坝内沉降量,比较两种单一预测模型和变权组合预测模型的预测误差平方和,证明变权组合预测模型在沉降预测中具有更好的预测精度。