改进的灰色模型在高铁沉降预测中的应用

针对目前灰色模型在高速铁路沉降预测中存在的不足之处,该文提出了一种通过改善原始数据序列的光滑度来提高灰色模型预测精度的方法,并结合实例,验证了改进灰色模型在高速铁路沉降预测中的可行性,为今后高速铁路的沉降预测评估提供了更多的参考和借鉴。     

高铁桥墩沉降预测方法研究

提出一种自回归模型参数的稳健最小二乘估计方法,分别采用最小二乘和稳健最小二乘的自回归模型、自适应过滤法及灰色预测法对高铁桥墩沉降数据进行模拟与预测,比较每种方法的优缺点及存在的不足,结合工程实际数据表明,本文提出的方法更适用于高铁桥墩沉降预测。     

组合模型在高铁软土路基沉降预测中的应用

提出以误差平方和为最小和、误差绝对值和为最小的三点法-灰色GM(1,1)模型的组合预测方法,兼顾泊松曲线法和Asaoka法。结合实例,验证了组合模型在软土路基沉降预测中的可行性,为今后高速铁路软土路基沉降预测提供了更多的参考和借鉴。     

一种变系数的ARIMA和GM(1,1)组合高铁沉降预测模型

根据高铁沉降监测和预测特点,提出了一种变系数的ARIMA和GM(1,1)组合高铁沉降预测模型,给出了组合高铁沉降预测模型实施步骤。通过某一高铁沉降监测数据,对单一模型和组合模型预测进行分析比较,结果表明,采用变系数组合模型求出的预测值精度更高。     

小波分析法高铁沉降变形预测

针对传统高速铁路沉降变形预测模型未对观测数据采取合适方法进行预处理,从而导致变形量被误差所污染的问题,该文提出了利用小波分析对监测序列进行去噪处理后,再运用自回归模型进行建模预测变形量。通过高铁实测数据验证得出,采用小波去噪后利用自回归模型建模预测的精度更高,更符合实际情况,便于实时掌握高铁变形规律,并进行合理决策。     

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。     

基于数据残差的AR模型在高铁路基沉降预测中的应用

传统的时间序列模型虽然可以通过差分形式来处理非平稳随机数据,但是当数据具有确定性效应的时候,对数据进行差分容易造成残差信息的浪费.通过对拟合后的残差建立AR模型,可以充分利用数据的趋势信息和残差信息,从而得到较好的预测效果.     

盾构施工参数与沉降变形关系模型构建

针对盾构施工参数变化对施工引起的地表变形的重要影响,该文构建了盾构施工参数与地表沉降变形关系模型。以北京市某地铁盾构区间施工过程中的实测数据为基础,分析了不同盾构施工参数与地表沉降变形的关联度和相关性,得到不同参数对沉降变形贡献值的大小;之后,利用多元回归模型方法建立主要影响参数与地表变形的关系模型,并进行模型的合理性检验;最后,利用该模型得到的沉降量与实测数据进行对比分析,结果显示符合性较好。     

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。     

基于小波去噪的灰色Verhulst模型在高铁路基沉降预测的应用

高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色Verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色Verhulst模型、GM(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:GM(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色Verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。     

基于小波去噪的高铁沉降预测模型研究

以武汉市某高铁的沉降观测数据为基础,对小波去噪前后的观测数据分别采用非线性曲线拟合模型和时间序列分析模型进行建模预测,并与实测数据进行比较分析.结果表明,观测数据经小波去噪后再进行建模分析,两种方法的预测精度都有很大改善,对高铁沉降变形预报有一定的实用价值.     

自适应卡尔曼滤波高铁沉降观测数据处理模型研究

在介绍国内外高铁沉降数据处理方面的研究现状的基础上,依次阐述了包括回归分析法、人工神经网络、灰色系统理论和时间序列分析法在内的经典沉降数据处理方法,着重讲解了标准卡尔曼滤波理论及其相关公式,介绍了两种自适应卡尔曼滤波理论:方差分量估计AKF、方差补偿AKF。本文针对某具体工程实例,分别基于MATLAB平台编写了一套标准卡尔曼滤波程序和一套自适应卡尔曼滤波程序,并运用程序对其作了相关分析。通过对比分析,证明了自适应KF的优越性,并得到一套在处理实际问题时具有一定可行性的模型。     

高铁桥墩沉降预测模型的研究及应用

分析高铁的沉降观测数据,评价其安全状况至关重要。采用基因表达式编程(GEP)算法,将某高铁桥墩的沉降观测数据建立预测模型,并与GM(1,1)模型、灰色线性回归模型及BP神经网络模型进行对比分析。结果表明,基于GEP的方法建模更加便捷,预测精度更高,能有效进行变形分析。     

高速铁路路基沉降预测模型的研究

根据高速铁路沉降小量级、大波动的数据特点,针对路基的沉降结合实例探索出与之相适应的高精度、高稳定性的沉降预测方法,为今后高速铁路路基的沉降预测提供参考和借鉴。     

地表移动预计参数优化算法的研究

求取地表移动预计参数是进行开采沉陷预计的基础,对预测结果的准确性具有重要意义。本文以安徽某煤矿为例,通过对该矿1013工作面地表移动观测站实际观测数据进行处理和分析,采用三种优化方法——传统线性最小二乘法、遗传算法和模矢法,利用MATLAB软件为开发平台,编程实现了地表移动预计参数的求取,探讨了三种求参方法拟合效果的优劣,通过本例说明模矢法和遗传算法求参结果相对优于传统的线性最小二乘法。     

GM(1,1)模型反演预测方法在沉降预测中的应用

为了研究提高GM(1,1)模型预测精度的方法,本文首先讨论了GM(1,1)模型对初值的不敏感性和拟合预测序列增长率的恒定性;其次,根据GM(1,1)的性质提出新陈代谢反演预测的方法;最后,通过工程实例对比不同模型的预测精度。结果表明:GM(1,1)反演预测方法具有很高的预测精度,适用于沉降变形预测。     

高速铁路桥隧沉降预测模型的研究

高速铁路线下桥梁、隧道结构不同,导致沉降规律差别很大,须分别进行研究。根据高速铁路桥隧沉降小量级、大波动的数据特点,对各种沉降预测方法进行系统研究,并结合实例,探索出与桥隧沉降相适应的高精度、高稳定性的预测方法,为今后高速铁路桥隧的沉降预测提供参考和借鉴。     

高速铁路桥梁沉降预测模型的对比分析

介绍高速铁路桥梁沉降变形的规律及沉降预测的判定标准,结合某高速铁路桥梁沉降观测资料,分别用规范双曲线法、修正双曲线法、三点法、Asaoka法和GM(1,1)法进行计算分析,通过比较预测沉降量与实测沉降量的残差并计算各模型的曲线回归相关系数,对比得出适用于高速铁路桥梁沉降预测的方法。     

新灰色组合模型在沉降变形预测中的作用

提出以传统灰色模型、初始值修正值、背景值优化后的预测数据及组合模型预测值作为B样条曲线的型值点进行曲线拟合,得到新的灰色组合模型。新灰色组合模型能够在一定范围内更好地反映沉降序列变化的曲线,获得较好的预测效果。该方法既保留了灰色模型的短期预测精度高的特点,也具备了B样条曲线局部性、连续性的特点。实例计算结果表明,该新灰色组合模型预测效果能够更加逼近实际沉降序列,较单一传统模型预测精度高,能够达较好的预测效果。