基于灰色时间序列分析的建筑物变形预报研究

提出一种基于灰色时间序列分析的建筑物变形预报方法。对建筑物变形观测数据进行累加,削弱其随机扰动的影响。通过增强建筑物变形观测数据规律性,达到提高时间序列分析预报模型精度的目的。实测数据分析表明,该方法能够有效提高变形预报的精度与可靠性。     

地铁车站深基坑变形监测及数据分析

本文针对北京地铁车站某明挖深基坑在砂卵石地层的工程实例,首先论述了该工程的工程概况、基坑监测的内容、监测频率及监测周期;其次通过基坑开挖引起基坑周边土体荷载变化原理理论分析了地表沉降、桩顶水平位移、桩体水平位移分布的特点;最后通过实际监测数据总结了监测结果,运用监测时程变化曲线图表了说明监测结果与理论分析的不同与吻合之处,为今后同类工程设计、施工、处理风险事务和工程安全事故提供参考依据.     

高层建筑形变监测中动态灰色理论模型的应用

利用灰色理论模型对高层建筑物变形监测数据进行了建模和分析,并针对传统GM(1,1)模型在预测过程中的数据发散问题,对模型进行了改进,建立了动态GM(1,1)模型。通过对两种模型的预测结果与实际观测值的比较,证明动态模型在中长期变形监测中具有明显优势。     

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。     

海滨地区深基坑围护结构变形监测规律研究

本文选择青岛地铁车站—利津路站为工程背景,通过采集现场监测数据,并配合软件模拟分析研究深基坑围护结构的变形规律。结果表明:由于地层上部是土质相对较为松散的强风化砂岩层,围护桩的水平位移量随着开挖深度呈现递增趋势;地层下部为较为坚硬的中分化砂岩层,在进入岩层时水平位移出现明显的拐点;基坑周边地表沉降的总体趋势为先增大后减小;数值模拟显示土体应力和桩体所受剪力都不断增加,同时支撑和锚杆的作用,增强了围护结构的稳定性。     

基于北斗卫星的边坡变形监测系统应用研究

为及时准确获取对边坡变形信息,本次研究采用基于北斗卫星定位的边坡自动化监测系统,对某边坡工程进行全天候自动化监测作业,并采用有限元软件Abaqus建立边坡模型,采用数值分析方法对边坡变形的敏感度区域进行分级划分,优化监测点布设位置,最好利用灰色系统分析方法对监测数据进行分析研究,分别建立边坡水平方向和竖向变形灰色GM(1,1)预测模型,并采用精度更高的水平方向预测模型对边坡变形趋势进行预测,效果较为理想,更加贴合边坡变形真值,为边坡工程的安全监测提供了可靠有效的解决方案。     

基于改进的动态灰色模型在变形监测中的应用研究

动态灰色模型丰富和完善了静态GM(1,1)模型,它虽然有效地降低了建模时原始序列长度、原点误差的影响,且提高了数据预测的精度,但是传统的动态灰色模型为保持数据维度的不变性,必须对旧有信息进行强制舍弃,因此会导致建模数据量受到限制,预测结果容易失真,且对维度以外的信息不加筛选的舍弃致使致有用信息大量流失。本文对传统动态灰色模型做出改进,并将改进后的模型用于变形监测分析与预报中,且与传统的GM(1,1)模型和动态灰色模型的预测精度做对比,最终验证改进后模型的有效性。     

地铁车站变形监测技术及数据处理方法研究

南水北调总干渠下穿北京地铁1号线五棵松站工程取得圆满成功。本文介绍了该工程中对地铁车站采用的人工监测与自动化监测相结合技术以及对监测数据的奇异值检验和GM(1,1)模型模拟预测的处理方法。实践证明,本文提出的方法能较好的完成地铁结构沉降检测和模拟预测,并实现检测数据奇异值的有效处理。     

基于灰色预测理论的变形监测

突破传统等间距变形观测的方法,采用更加灵活、约束更小的非等间距的观测方法,结合GM(1,1)模型,并以吉林省长春市文化广场中心的塑像为实例进行变形监测,详细阐述了该理论的可行性。     

灰色模型在深基坑变形监测中的应用研究

随着城市建设的快速发展,对地下空间的利用需求急剧增长,引发的深基坑工程事故也随之增加。因此,对施工过程进行全方位的监测和变形预测分析,及时、准确地反馈基坑变形动态,对工程安全起着至关重要的作用。本文叙述了变形监测灰色GM模型预测方法,并以重庆越洋广场监测项目为例,分析基于小波变换前后的预测效果和精度水平。结果表明,灰色模型能够达到较好的应用效果。     

基于优化GM(1,1)模型的基坑位移监测数据预测方法

针对GM(1,1)模型预测结果精度低的问题,提出原始序列卡尔曼滤波处理的优化模型方法,结合指数函数构造背景值,进行灰色模型预测分析。结合苏州站综合楼基坑沉降监测结果,探讨了GM(1,1)模型原始序列的选择,分析了优化GM(1,1)模型的精度,验证了优化模型在提高预测精度上的可行性。     

灰色自回归模型的建筑物沉降预测探讨

在建筑物施工及运营期间,掌握建筑物变形规律并及时预测其变形趋势在保障建筑物的安全使用方面发挥着重要作用。由于单一的灰色GM(1,1)模型预测精度不高,本文提出了一种预测模型——灰色自回归组合模型,该模型结合了灰色GM(1,1)模型和自回归模型的优点。为验证该模型预测精度优于灰色GM(1,1)模型,本文通过某工程实例中的2个变形观测点的观测数据进行建模,结果表明,组合模型的预测精度高于单一灰色GM(1,1)模型。     

改进的GM(1,1)模型及其应用分析

GIM(1)模型是一种改进的GM(1,1)模型。文章在介绍两种模型的基础上,分别进行实例计算和分析,得出了GIM(1)具有更大的优越性,具有预测结果精确,对时间的依赖性较小的特点。     

灰色自回归模型的建筑物沉降预测探讨

在建筑物施工及运营期间,掌握建筑物变形规律并及时预测其变形趋势在保障建筑物的安全使用方面发挥着重要作用。由于单一的灰色GM(1,1)模型预测精度不高,本文提出了一种预测模型——灰色自回归组合模型,该模型结合了灰色GM(1,1)模型和自回归模型的优点。为验证该模型预测精度优于灰色GM(1,1)模型,本文通过某工程实例中的2个变形观测点的观测数据进行建模,结果表明,组合模型的预测精度高于单一灰色GM(1,1)模型。     

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。     

基于残差改正的动态GM(1,1)模型在公路边坡变形监测中的应用

本文针对传统的GM(1,1)模型的不足,对模型进行了改进,建立了基于残差改正的动态GM(1,1)模型,并将其利用到公路边坡变形监测的数据处理当中。经过预测值与实际观测值比较,证明其在长期预测中具有明显优势。     

马尔科夫理论的优化灰色模型预测建模

针对GM(1,1)模型易受建模数据随机扰动影响,且模型稳定性较差的问题,该文提出了基于马尔科夫(Markov)理论的GM(1,1)预测优化模型。首先,通过最小二乘原理选取GM(1,1)模型的最优初值,利用指数函数法构造新的背景值,同时利用正化残差序列法进一步修正残差。然后,将优化的GM(1,1)模型和马尔科夫理论有机结合,进一步对优化的GM(1,1)模型进行改进,构建了优化的灰色马尔科夫预测模型。最后,以某建筑物的变形实测数据为基础,进行了传统GM(1,1)预测模型、优化的GM(1,1)预测模型和优化的灰色马尔科夫预测模型的实例计算比较,结果表明:优化的灰色马尔科夫预测模型的拟合精度和预测精度优于传统GM(1,1)预测模型和优化的GM(1,1)预测模型,且适用性更强,稳定性更好。     

基于卡尔曼滤波的离散灰度模型在基坑沉降数据的研究

为了提高深基坑开挖过程中实时沉降监测预测的可靠性与准确性,保障基坑施工和周边环境安全,针对深基坑开挖过程中周围底层移动、施工、环境因素及实际观测过程中原始数据存在较多噪声对原始沉降数据产生一定影响等诸多问题。本文考虑使用卡尔曼滤波理论对沉降数据进行去噪预处理,并建立离散灰度模型,通过该模型对沉降数据进行分析及预测。通过实验数据分析处理,验证模型预测精度有了一定的提高,且具有一定的参考价值。     

pGM(1,1)模型在变形预测中的应用

分析了GM（1，1）模型在背景值取值上的不足，提出了一种基于权的pGM(1,1)模型，通过模型比较，表明pGM(1,1)模型具有更好的预测效果，并用该模型进行了实际的变形预测。     

GM(1,1)模型在深基坑变形预测中的应用

为研究基坑工程的变形规律,合理预测基坑未来的变形趋势,针对基坑工程变形中存在的各种变形因素复杂、变形大小不确定等情形,采用灰色系统理论建立基坑变形分析模型,结合工程实例,通过GM(1,1)模型群的建立确定最佳预测模型,然后在最佳模型基础上分别建立全数据模型、新信息模型、自动更新三种模型;预测结果表明应用灰色模型进行基坑工程变形分析的可行性和可靠性,为基坑工程的变形分析和安全性诊断提供了可靠的理论依据和科学的分析方法。