灰色神经网络组合模型在变形监测数据分析中的应用

针对基坑变形预测中数据的灰色性和非线性的特点,提出用灰色神经网络组合模型预测基坑变形的新方法.该文将灰色模型与神经网络模型并联构成组合预测模型,融合二者的优点,并结合实例,将灰色模型、神经网络模型和灰色神经网络组合模型的预测结果进行对比分析.结果表明:灰色神经网络组合模型的预测结果更精确,对变形监测的生产实践具有一定的参考意义.     

灰色理论在基坑沉降预测分析中的应用

通过灰色理论中的GM(1,1)模型,对软土地区基坑开挖后引起的地表沉降进行了分析预测,其预测结果与监测结果接近.结果表明,在GM(1,1)模型中,利用初期沉降位移实测值来预测未来一定时间内的沉降位移值能够得到比较准确的预测结果,因此对指导基坑开挖和支护具有一定的作用.     

基坑工程稳定性分析与预测的两种方法

从变形与位移的角度来考察基坑稳定性可以避开繁琐复杂的理论分析和计算工作,快速有效地对基坑工程的稳定性进行预测。建立了预测基坑周边地表沉降量及基坑稳定性的BP网络模型,并推导了求算基坑周边地表沉降量的估算式。结合具体工程实例对建立的网络模型和推导的估算式进行了验证,并对两类方法的求解条件、预测精度及适用范围等进行了比较说明。     

基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

煤矿开采引起的地表沉降预测模型研究及应用分析

文中基于曲线拟合和BP神经网络的理论,利用某矿区内B1点的实测沉降数据,结合MATLAB曲线拟合工具箱和BP神经网络的编程建立地表沉降预测模型,预测未来沉降趋势。同时采用曲线拟合的结果进行BP神经网络的训练和仿真(即曲线—BP组合模型),通过对预测值和实测值的比较,分析三种模型的预测精度,最后结果表明曲线—BP组合模型在矿区地表沉降预测中切实可行。     

基于RBF神经网络模型的盾构施工地表沉降预测

盾构施工引起的地表沉降是造成周边建筑物及管线变形的重要因素。针对BP神经网络在预测地表沉降中具有收敛速度慢、精度误差大的缺点,结合苏州地铁2#线友联—桐泾公园段地质工程资料,建立了RBF神经网络模型对地表沉降进行预测。结果表明:RBF神经网络模型的预测精度优于BP神经网络模型,与实测曲线吻合度较好,具有一定的实用价值。     

人工神经网络在抗滑结构位移预测中的应用及对比分析

以现场实测资料为依据, 建立了抗滑结构位移预测的神经网络模型, 分别用于抗滑桩顶位移预测和抗滑桩沉降预测, 并与灰色模型的预测结果进行了比较, 结果表明, 神经网络的预测结果更接近于实际值, 从而验证了神经网络用于抗滑结构位移预测的可行性。神经网络收敛快、拟合效果好、泛化能力强、预测精度高, 是抗滑结构位移预测的有效方法。     

基坑变形灰色预测预警系统

文章从分析基坑位移影响因素和位移特征入手 ,提出了根据现场位移观测值建立灰色预测预警模型的思路 ,并讨论了建模过程。实践证明基坑变形灰色预测系统有较好的精度 ,对指导基坑开挖和支护有积极意义     

上海地铁风井基坑监测与变形分析

以上海某地铁风井基坑为研究对象,介绍该风井基坑开挖施工涉及的关键工序.通过对地表沉降、地下连续墙墙顶沉降以及测斜位移的监测,探讨了基坑开挖施工过程对周围地表沉降的影响和围护结构的影响,得出地表沉降随基坑开挖深度增加而增大,基坑的长宽尺寸也是影响地表沉降的因素之一,测斜位移与基坑深度呈抛物线型.     

基于PSO-BP神经网络的基坑周边地面沉降预测方法研究

基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以PSO-BP神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现:二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用PSO-BP神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明:优化后的PSO-BP神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。     

某基坑变形的综合预测模型

在分析BP神经网络和灰色模型群的变形预测基本原理的基础上,以某基坑为例,分别构建了基于BP神经网络的预测模型、基于灰色模型群的预测模型以及基于BP神经网络模型和灰色模型群的综合预测模型,预测了该基坑开挖过程中产生的变形值。研究表明:综合预测模型的预测精度优于其余两类模型,对于提高基坑的变形预计精度有一定的参考价值。     

灰色时序组合模型在基坑水平位移预测中的应用

以宿迁苏豪银座项目为例,对基坑开挖过程引起的周围深层水平位移进行检测,并运用灰色理论和时间序列对实测资料建立模型,用此模型对后几期监测结果预测,计算结果表明灰色时序组合模型较单一的模型预测精度高,得出组合模型更适合于对该基坑变形监测数据进行建模的结论.     

动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析

为了提高在变形监测中数据预测的精度以及它的可靠性,该文提出了基于动态灰色时序模型与神经网络组合的预测方法。根据已有的地铁沉降数据,对地铁隧道结构变形进行数据分析与预测,并与动态灰色模型、动态灰色时序模型进行精度对比。实例证明,该组合模型在地铁隧道结构变形预测中的精度较高。     

基于灰色—BP神经网络组合模型的边坡稳定性预报方法

在前人研究成果的基础上,研究BP神经网络模型和灰色系统理论的原理,依据它们的适用条件及优缺点,对同一已知边坡取不同样本区间建立GM(1,1)模型,得到不同的预测结果。将多个灰色预测的结果作为输入变量,使用BP神经网络进行组合,输出组合预测结果。提出基于灰色神经网络范例推理的边坡稳定性评价方法,针对边坡稳定性影响因素的复杂多变性和相当强的不确定性,建立了边坡范例检索模型。通过对边坡稳定性因素的灰色模型预处理,以及边坡范例的神经网络学习,最终实现边坡稳定性评价。     

改进灰色马尔科夫模型在煤层沉降预测中的应用

介绍改进灰色马尔科夫模型,用于煤层沉降的预测,获得了精度较高的预测效果。改进灰色马尔科夫模型是将灰色系统理论的预测结果用于马尔科夫模型的状态划分,构造状态转移概率矩阵得出预测方程式。煤层沉降是由于地表工程施工等因素造成,长期的沉降威胁地下空间的安全,此方法为矿井等地下空间安全预警提供技术支持。     

基于优化GM(1,1)在基坑变形预测中的应用研究

传统GM(1,1)模型以数据序列背景值边界均值预测基坑沉降变形,精度低、残值大。基于灰色理论应用对数法与二次插值法分别对传统模型进行改进与优化,结合基坑沉降变形监测数据,采用三种模型分别预测对比分析,研究结果表明:改进的两种预测模型精度优于传统模型;预测值与监测值在基坑沉降变形趋势一致。     

灰色理论和神经网络在工广变形监测的应用

为提高数学模型在工广地表移动变形监测及规律中预测的准确性,采用了GM(1,1)灰色系统模型和BP神经网络模型的数值处理方法.对比了两种模型在预测工广地表沉降中的有效性和精确性,为提高信息预测的精度和自动化以及管理的现代化水平有着积极的意义.     

基于灰色神经网络的边坡稳定性预报方法研究

本文在前人研究成果的基础上,研究了BP神经网络模型和灰色系统理论的原理,依据其适用条件及优缺点,对同一已知边坡取不同样本区间建立GM(1,1)模型,得到不同的预测结果。将多个灰色预测的结果作为输入变量使用BP人工神经网络进行组合,输出组合预测结果。提出了基于灰色神经网络范例推理的边坡稳定性评价方法,针对边坡的稳定性影响因素的复杂多变性和相当强的不确定性,建立了边坡范例检索模型,通过对边坡稳定性因素的灰色模型预处理,以及边坡范例的神经网络学习,最终实现了当前边坡的稳定性评价。     

基于滑动平均-灰色Verhulst模型的深基坑中长期变形预测

准确的深基坑变形预测和控制是当前地下工程监控测量研究领域的热点问题,尤其是深基坑变形的中长期预测,对保障现场人员和财产安全具有重要的预警作用。以某地铁盾构始发竖井深基坑为工程背景,采用滑动平均法(MA)对基坑变形现场实测的地表沉降原始数据进行去噪处理,增加监测数据的权重,然后引入灰色Verhulst模型对去噪后的数据进行中长期拟合预测,最后对比分析灰色GM(1,1)模型、灰色Verhulst模型、滑动平均-灰色Verhulst模型的预测精度。结果表明:滑动平均-灰色Verhulst模型的预测精度较高,适用于基坑中长期变形预测。该结果可为提高类似变形问题的预测精度提供启示作用。     

基于人工神经网络技术的隧道地表沉降预测

对采用人工神经网络技术预测隧道地表沉降模型中进行了研究。采用MATLAB系统开发了一个多层反向传播神经网络模型,考虑了隧道的深度、隧道的直径、地下水位、土的弹性模量、土的剪切强度、土的侧压系数、土的重度和开挖间隙对地表沉降的影响。用世界多个隧道的地表沉降数据作为样本对模型进行了训练和测试。结果表明,利用该神经网络预测的沉降值与实测值比较吻合。