遗传算法的灰色神经网络在基坑变形中的应用

针对基坑施工安全和能够快速地发现基坑变形的问题,该文提出用遗传算法的灰色神经网络对基坑沉降观测数据进行处理,并预测变形大小。实例数据表明,通过预测变形值与实际变形值进行比较,可知遗传算法的灰色神经网络模型的收敛速度较快,训练时间较短,预测精度较高,能满足工程精度的要求。通过与GM(1,1),BP神经网络模型和灰色系统和神经网络的组合模型进行比较,本模型是最优的。     

熵权遗传算法及极限学习机地铁隧道沉降预测

针对目前的地铁隧道沉降变形预测方法忽略了对沉降变形影响因素的综合协调考虑这一问题,该文将遗传算法(GA)结合极限学习机(ELM)的方法引入地铁隧道沉降变形预测。该方法借助最大信息熵理论,充分挖掘地铁隧道沉降主要影响因素与沉降量间的信息特征,并将遗传算法与极限学习机相耦合,利用遗传算法的全局搜索能力获取ELM神经网络优化的初始权值和阈值,形成熵权遗传算法-极限学习机模型,并编制相应计算程序。采用该模型对西安某地铁隧道沉降变形进行预测,并与遗传算法-极限学习机、极限学习机、传统的BP神经网络预测结果进行比较,结果表明熵权遗传算法-极限学习机模型与实测值吻合更好,预测结果更稳定。     

改进遗传算法优化灰色神经网络隧道变形预测

针对目前隧道变形预测方法的不足,该文提出了使用改进型遗传算法优化灰色神经网络的隧道变形预测模型。改进遗传算法策略:在种群繁衍过程中根据个体的适应度进行排序,再将排序后的种群均分为3个部分,按照比例对3个部分进行选择,最后从适应度较大的部分中随机选取个体在重新补充到种群中。改进型遗传算法可以避免陷入局部收敛成功找寻全局最优解,提高收敛速度。该文利用实际隧道监测数据进行实验,验证改进型遗传算法优化灰色神经网络的隧道变形预测模型。实验证明,改进型遗传算法优化灰色神经的隧道变形预测模型在进行隧道拱顶下沉量预测时有着更高的精度、更好的稳定性。     

人工神经网络方法(BP)在变形监测中的应用

变形模型的分析研究以及变形预测是变形监测的重要内容,常用的方法有回归分析法、时间序列法、灰色理论方法、人工神经网络法以及变形的组合分析方法等,本文就人工神经网络方法从实际应用的角度出发,对工程实例进行了计算分析,得到了相应的变形分析模型并进行了变形的预测,试验结果说明:人工神经网络方法应用于实际工程的监测预测具有一定的实际意义。     

加权灰色线性回归组合模型在高铁隧道沉降监测中的应用

近年来,相关的研究与实践表明,变形监测的数据处理方法比较成熟,如回归模型、卡尔曼滤波模型、灰色模型、时间序列模型以及人工神经网络模型等各种模型,均经过了各种检验,而且有效地应用在变形监测技术中。然而单一的模型预测有其自身的局限性,因此,预测模型需要采用组合优化模型弥补单一模型的缺陷。本文主要阐述了加权灰色线性回归组合模型在高铁隧道沉降预测中的应用,通过与传统的GM(1,1)模型以及灰色线性回归组合模型进行对比。实验结果表明,加权灰色线性回归组合模型具有较高的预测精度。     

多目标遗传算法改进的加权多点灰色模型

针对传统多点灰色预测模型MGM(1,n)白化背景值构造方法不合理性导致模型往往不符合变形体实际情况的问题,该文提出了一种基于遗传算法的加权MGM(1,n)模型。引入白化背景值最佳生成权值矩阵替换传统模型背景值构造公式中的紧邻均值生成权阵,较好地顾及变形区域内多监测点变形趋势的突变性与不规则性,弥补了线性系统MGM(1,n)模型在非线性动力学系统变形预测分析应用中的不足;建立多目标优化实数编码遗传算法,实现背景值最优构造权阵的迭代搜索。基于仿真和工程实例数据的建模结果表明:改进模型较传统MGM(1,n)模型预测精度提高,抗噪声干扰能力增强。     

一种马尔可夫的非等间距多点灰色预测模型

针对非等间距单点灰色预测模型在处理多点变形预测时,没有考虑点与点之间的关联性和它们之间的相互影响,而且容易受建模数据随机扰动性影响这一问题,该文提出了一种基于马尔可夫的非等间距多点灰色预测模型。首先,结合某基坑的变形实测数据,建立非等间距多点灰色预测模型和非等间距单点灰色预测模型,通过两种模型预测结果对比验证非等间距多点灰色预测模型在处理多点变形预测问题上的优越性,然后运用马尔可夫模型建立状态转移概率矩阵对预测结果进行修正,最后建立基于马尔可夫的非等间距多点灰色预测模型。结果表明,基于马尔可夫的非等间距多点灰色预测模型的拟合及预测精度更高,适应性更强,更符合实际变形情况,具有实际参考价值。     

改进的小波阈值函数在变形预报中的应用

阈值去噪法是传统小波去噪最常用的处理方法,主要有硬阈值法和软阈值法,但二者均存在一定的局限性。本文提出了一种新的阈值函数,有效地弥补了硬阈值函数在阈值点处不连续、软阈值函数存在恒定偏差的缺陷。并在传统灰色模型的基础上,推导出了改进的新陈代谢GM(1,1)模型,最后将硬阈值、软阈值和新阈值函数的小波分析用于变形监测原始数据的预处理,结合新陈代谢GM(1,1)模型对去噪后的数据进行阶段性预测,并与实测值进行比较,通过实例计算表明:新阈值的去噪精度更高,通过新阈值去噪后进行预测的数据更加接近真实数据,可应用于变形监测的预报。     

一种改进遗传神经网络的建筑基坑沉降预测模型

目前常见的沉降预测方法有灰色系统模型、时间序列分析法、BP神经网络及其改进算法等。针对BP神经网络容易出现过拟合和局部最优的缺点,部分学者利用遗传算法进行神经网络初始权值和阈值优化。但是遗传算法对于因监测数据质量问题而造成变形预测结果不佳的优化效果有限。因此引入自适应增强算法对遗传神经网络预测模型进行改进。并利用某高层建筑基坑实测50期监测数据进行仿真预测。实验结果表明,利用自适应增强算法改进之后的遗传神经网络预测模型在满足工程监测精度要求的前提下,在MAPE、MAE、MSE三项精度指标上分别提高80.57%、81.04%、70.83%。     

一种阈值函数与灰预测的组合去噪方法

针对传统的灰色预测模型预测精度随步长的增加而逐渐降低的问题,该文采用一种新的阈值及阈值函数对原始数据(信号)进行小波去噪处理,以期增强建模数据(信号)的可靠性,延长模型的预测步长:通过与传统的硬阈值(函数)和软阈值(函数)的比较,验证新阈值及函数对信号的去噪效果;用去噪处理前后的数据分别建立灰预测模型,通过相应的检验指标来判断两函数的预测精度高低。实验结果表明,该阈值及函数与灰预测的组合预测方法是完全可行的,能够在一定程度上提高模型预测的精度和步长。     

基于BDS PPP技术的超高层建筑变形监测

超高层建筑变形监测是后续超高层建筑维护与修缮的重要内容．目前我国北斗卫星导航系统（BDS）已被广泛应用于建筑物的变形监测,本文利用BDS精密单点定位技术(PPP),根据高频超高层建筑BDS变形监测数据,以静态网解算三维坐标为基准,分析超高层建筑复杂环境下BDS数据质量、PPP定位精度以及超高层变形趋势．研究结果表明,在监测时间段内,BDS卫星数多于GPS,空间几何分布精度略低于GPS,观测时间达1 h以上开始收敛,水平向定位精度可以达到1 cm,竖直向定位精度可以达到2 cm,能满足超高层建筑变形监测的精度要求,可为今后的超高层建筑变形监测提供一种新的技术手段．      

GM(1,1)模型在高层建筑沉降预测中的应用

由于高层建筑变形是多因素作用的结果,而其变形系统的实质是一个灰色系统,所以可以采用灰色系统理论对高层建筑变形进行预测。根据灰色系统理论,建立了高层建筑变形的GM(1,1)预测模型。     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义.建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息.针对该问题,提出一种改进粒子群(ParticleSwarmOptimization,PSO)算法优化支持向量机(SupportVe...     

非规则性超高层建筑垂直度测量方法研究

超高层建筑垂直度测量成果是质量验收及偏差处理的重要参考依据,而超高层建筑的动态特性和非规则性在一定程度上增加了垂直度测量的难度。文中提出一种非规则性超高层建筑垂直度测量方法:采用智能全站仪监测系统进行超高层建筑周日摆动监测,利用GPS方法从宏观上分析测量基准的可靠性和准确性,采用静力矩方法计算垂直度偏差。应用实践表明,这种方法有效解决了施工控制网竖向传递倾斜偏差改正这一关键性技术难题,保障测量基准的准确性和可靠性,垂直度偏差的计算与表达是科学合理的,具有借鉴意义。     

小波去噪的灰色动态模型在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据拟合较差、预测精度低的缺点,提出了基于小波去噪的灰色动态模型。首先运用小波滤波消除数据噪声,使数据更具规律性;再利用灰色动态模型预测变形;最后对高层建筑物沉降监测数据的预测值与实测值进行对比分析。结果表明,该模型的预测误差较小、精度较高,适合在变形预测中应用。     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。     

超高层建筑动态特性监测方法研究

围绕超高层建筑动态特性监测方法展开研究,重点解决超高层建筑施工控制网竖向传递倾斜偏差改正这一关键性技术难题。结果表明,数字正垂仪法、CCD法、倾斜仪法均可准确获取超高层建筑的周日摆动规律,为投点时机选择和投点纠偏提供决策支持。     

改进的等维灰数递补模型预测边界确定方法

针对当前利用灰色预测模型进行地表沉降预测研究更多注重模型本身探讨而较少涉及预测值合理范围以及预测值时间响应函数的还原方法的情况,该文提出了一种改进的等维灰数递补模型预测边界的确定方法,采用了误差传播定律对预测值范围进行界定,并尝试利用中值近似处理代替累减生成建立预测值的时间响应函数;最后,结合工程实例给出了预测值上下边界,探讨了模型在误差允许范围内的预测步长,并对比分析了改进的等维灰数递补模型、原始的等维灰数递补模型和GM(1,1)模型。结果发现:改进的等维灰数递补模型具有较好的拟合效果与预测精度。     

基于北斗RTK技术的超高层水平摆动变形分析

超高层相比于普通高层建筑,其自身结构更容易受到损伤,因此对其进行变形监测是十分必要的。以某超高层为监测对象,利用北斗RTK技术对其进行监测,经过对北斗监测数据质量、监测点水平摆动幅度和形变轨迹的分析,发现超高层环境下北斗数据良好,北斗RTK技术能精确监测出超高层的变形幅度,超高层的水平摆动呈椭圆形周期性变化。