共查询到19条相似文献,搜索用时 788 毫秒
1.
2.
监控量测技术可收集能反映施工过程中围岩动态的信息,据此判断围岩的稳定状态、确定二次衬砌时机及验证所选支护方式的合理性。通过对华蓥山隧道的监控量测数据分析,建立了多个回归模型进行比选,得到拟合精度较高的回归模型;基于最优加权组合预测法对拱顶沉降量进行预测,通过对比组合预测和单一预测模型的预测精度,验证了最优加权组合预测法的优越性;将最优加权组合预测的结果应用于沉降速率的分析,可以确定隧道二次衬砌的时间。研究结果表明:最优加权组合预测法在隧道监控量测数据分析中的应用,可以提高预测精度,较单一预测模型能更加有效地反映拱顶沉降的发展趋势;选取精度较高的单一预测模型进行最优加权组合预测,分析变形速率,可以为确定隧道的二次衬砌时间提供依据,具有一定的实用价值。 相似文献
3.
4.
采用最优加权法配合参数优化建立组合预测模型 ,对某电站厂房机组平台作垂直位移分析。实例计算证实了所建模型的有效性 ,为一元或多元非线性建模提供了一条可行途径。 相似文献
5.
针对大坝沉降变形观测存在的相关问题,结合灰色理论适用于"小样本、贫信息"的特点,马尔可夫链能够准确拟合波动性较大数据的特点,ARIMA模型能够挖掘非平稳时间序列的内部信息、建模简单的特点,基于最大熵的原理对模型进行了合理组合,建立了基于最大熵原理的混合预测模型。将此组合模型应用于大坝的实际水平径向位移预测中,分别进行单一模型预测和定权后的组合模型预测,并进行对比,结果显示:熵权法定权后的组合预测模型精度优于ARIMA模型和灰色—加权马尔可夫链模型,且适用性更高,稳定性更强。 相似文献
6.
最优权组合模型与参数优化在安全监测分析中的应用 总被引:12,自引:0,他引:12
采用最优加权法配合参数优化建立组合预测模型,对某电站厂房机组平台作垂直位移分析,实例计算证实了所建模型的有效性,为一元或多元非经线性建模提供了一条可行途径。 相似文献
7.
大坝沉降变形的灰色预测分析研究 总被引:3,自引:1,他引:2
用实测沉降资料预测大坝沉降过程是目前国内外大坝沉降变形监测分析中常采用的一种方法,包括双曲线拟合法、指数曲线拟合法和基于灰色理论的GM(1,1)模型预测方法。由于灰色理论在预测时不需要较长的观测数列,且能通过动态预测模型,最大程度的反映新信息在预测中的作用,因此在沉降变形预测方面具有很大的优势。本文针对目前大坝沉降变形GM(1,1)预测分析中存在的一些问题,根据大坝沉降变形的特点,分析了沉降观测数据列长度、观测时间的不等步长性、数据累加方式等对建模预测精度的影响,探讨了用灰色等维预测模型动态预测非稳态沉降变形过程的方法,提出了灰色等维动态预测模型的维数尺度标准。 相似文献
8.
9.
10.
用灰色理论建立了大坝沉降变形的GM(1,1)预测模型,分析了观测数据列长度、观测时间的不等步长性、数据累加方式等对建模和预测精度的影响,考虑了荷载变化对沉降过程的影响和处理方法,探讨了灰色等维预测模型维数尺度的确定原则和精度标准。 相似文献
11.
混凝土坝变形的影响因素多而复杂,监测数据包含大量的不确定性信息,因此依据多种建模方法建立的各单一模型的预报效果各不相同.组合模型能够弥补单一模型的局限性,如何在建模过程中使权重系数实时反映单一模型对监测信息的变化,是组合模型建模的关键.从优化极值角度考虑各单一模型中未知量与权重系数之间的相互性,利用蛙跳算法(SFLA)的分布式全局优化性能同步确定其值,提出相应的蛙跳优化建模方法.混凝土坝变形长期监测资料的应用表明,该方法具有良好的预报效果,简化了组合模型的确定过程,提高了模型的预报能力,为混凝土坝变形预报分析提供了新的计算方法. 相似文献
12.
针对Hyperbola模型和Logistic模型的优缺点,提出Hyperbola-Logistic叠加模型,该叠加模型综合了两种单项预测模型的优点,以期达到高精度的预测结果。结合发电厂地基沉降现场观测数据,利用Hyperbola-Logistic叠加模型预测地基沉降,并与单项沉降预测模型的拟合结果进行比较分析。结果表明:与两种单项预测模型的预测结果相比较,叠加模型减小了系统误差,提高了整体的预测精度,拟合结果可靠,适用于发电厂地基沉降量的预测。新模型具有一定的适用性,是一种分析预测地基沉降的有效方法。 相似文献
13.
以某在建港区软土地基处理工程为例,基于现场监测原始数据,采用时间序列分析方法建立软土地基沉降预测的门限自回归模型,运用最小信息准则(AIC)进行模型参数估计。结果表明,所建立的预测模型其一步预测值精度较高,并可以实现计算机在线建模,对工程进行实时监控,适合该在建港区软土地基处理工程的固结沉降预测。更多还原 相似文献
14.
以兰永一级高速公路典型高填方路基工程为背景,采用FLAC~(3D)有限差分软件建立相应的路基二维模型,利用莫尔-库仑塑性本构模型计算高填方路基在不同高度、不同坡度、不同填料的位移变形,并记录所设置关键点处的水平位移与沉降量,得到填方高度、填方材料是影响高填方路基施工过程以及工后沉降的主要因素。在工程实际填筑过程中,每填筑3 m高埋设单点沉降计监测其沉降量。通过对比分析实测数据与模拟节点沉降量,得到两者结果基本相符,最大误差不超过允许范围的结论。为高填方路基的设计和施工提供了一定的参考。 相似文献
15.
The calibration and selection of conceptual hydrological model parameters is an important but complex task in runoff forecasting. In order to solve the calibration of conceptual hydrological model parameters, a multi-objective cultural self-adaptive electromagnetism-like mechanism algorithm (MOCSEM) is proposed in this paper. The multi-objective parameter calibration method of runoff forecasting avoids the “averaging effect” and considers both large and small runoffs hydrological features. In this paper, the self-identifying parameter combination forecasting method (SPCFM), a universality combination forecast model, is developed innovatively to improve forecasting precision by using the extreme parameters of Pareto optimal solutions. Finally, MOCSEM is combined with SPCFM to calibrate the parameters of forecasting model and forecast runoff of Leaf River. The results indicate that the proposed methods improve forecast accuracy and provide an effective approach to runoff forecast. 相似文献
16.
17.
为提高深基坑变形预测精度,在基坑地表沉降预测中引入反馈型Elman神经网络模型,利用Elman神经网络算法实现基坑沉降位移时间序列的滚动预测。以西安地铁5号线某车站基坑工程为例,基于组合预测思想,结合神经网络和马尔科夫链两种预测方法,建立了马尔科夫链优化的神经网络基坑地表沉降预测模型,借助马尔科夫链模型对其随机扰动误差进行修正,并与前馈型BP神经网络滚动预测模型对比。研究结果表明:Elman神经网络预测模型在修正前、后的预测效果均优于BP神经网络模型。设计开发出的基于MATLAB的图形用户界面(GUI)预测系统实现了模型预测过程便捷化,使预测过程能够以图形结果动态展现,具有较强实用价值。 相似文献
18.
Improved Water Level Forecasting Performance by Using Optimal Steepness Coefficients in an Artificial Neural Network 总被引:2,自引:2,他引:0
Muhammad Sulaiman Ahmed El-Shafie Othman Karim Hassan Basri 《Water Resources Management》2011,25(10):2525-2541
Developing water level forecasting models is essential in water resources management and flood prediction. Accurate water
level forecasting helps achieve efficient and optimum use of water resources and minimize flooding damages. The artificial
neural network (ANN) is a computing model that has been successfully tested in many forecasting studies, including river flow.
Improving the ANN computational approach could help produce accurate forecasting results. Most studies conducted to date have
used a sigmoid function in a multi-layer perceptron neural network as the basis of the ANN; however, they have not considered
the effect of sigmoid steepness on the forecasting results. In this study, the effectiveness of the steepness coefficient
(SC) in the sigmoid function of an ANN model designed to test the accuracy of 1-day water level forecasts was investigated.
The performance of data training and data validation were evaluated using the statistical index efficiency coefficient and
root mean square error. The weight initialization was fixed at 0.5 in the ANN so that even comparisons could be made between
models. Three hundred rounds of data training were conducted using five ANN architectures, six datasets and 10 steepness coefficients.
The results showed that the optimal SC improved the forecasting accuracy of the ANN data training and data validation when
compared with the standard SC. Importantly, the performance of ANN data training improved significantly with utilization of
the optimal SC. 相似文献
19.
流域洪水预报系统及其关键问题研究 总被引:1,自引:1,他引:0
论述了流域洪水预报系统的主要任务和核心内容,介绍了流域洪水预报系统的结构和主要功能,分析了系统的主要功能模块,将智能算法与传统的水文预报方法相结合,在水文预报模型参数自动率定、实时洪水校正两方面进行了尝试,并建立了相应的模型,经过流域长系列水文资料检验和应用,获得了满意的结果,为实时洪水预报开辟了新的途径。 相似文献