基于GM(1,1)改进模型在变形预测中的应用研究

传统GM(1,1)模型在工程变形预测中受到众多不确定性因素的影响,会导致预测精度低、残差大。因此,文中对传统GM(1,1)中原始数据、初始值、以及背景值进行改进。最后以某大坝边坡监测点的沉降位移为例,分别用两种模型对该监测点位移进行拟合预测并与实际值比较。结果表明:改进模型精度优于传统模型,预测值更接近真实值,在实际工程中有更好的应用价值。     

灰色系统预测在基坑信息化施工中的应用

基坑工程系统是一个灰色系统。根据灰色系统理论，建立了基坑变形的GM（1，1）预测模型。根据工程实例的位移及沉降观测值对后续施工中的变形值进行预测，并用工程实例后续监测值加以验证。研究结果表明，基坑变形的灰色预测模型具有较好的精度，对指导基坑开挖和支护具有积极意义。     

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。     

新陈代谢DGM(1,1)模型在基坑沉降预测中的应用

该文结合基坑沉降监测实例,对沉降数据进行分析,发现沉降速率越来越快,为更合理的对这种增幅较大的累计沉降值做出合理的预报,本文采用GM(1,1)、DGM(1,1)、新陈代谢GM(1,1)和新陈代谢DGM(1,1)四种模型对基坑沉降进行预测。结果表明新陈代谢DGM(1,1)预测模型提高了预测稳定性,新陈代谢DGM(1,1)预测模型与另外三种模型相比,精度有较大幅度提高,残差值增加缓慢,近似于一条水平线,预测值与实测值非常接近,且适用于长期预测,这是另外三种模型所不具有的。对于增幅较大的累计沉降量,新陈代谢DGM(1,1)模型具有较高的预测精度,对其他类似基坑监测具有一定的借鉴意义。     

基于背景值优化与初值修正的灰色模型在沉降变形预测中的应用

灰色GM(1,1)模型具有要求样本数据少,运算方便,短期预测精度高等优点,因此得到广泛应用。在沉降变形预测中,数据拟合和预测精度主要依赖于模型的结构参数,故在沉降变形预测中为提高预测精度,该文从传统GM(1,1)模型初值、背景值等入手,探讨了将初值修正、背景值优化后的预测数据进行组合的方法。该方法充分利用新信息、数据优化后的优越性,提高模型的预测精度;同时通过实例证明得出该组合模型比单一模型、传统模型预测精度更高,达到了较好的预测效果。     

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。     

顾及开挖深度的灰色系统模型在基坑沉降预测中应用

为提高基坑开挖过程中变形监测实时预测的准确性与可靠性,文章结合灰色系统理论,考虑关于监测数据与基坑开挖深度之间的关系,建立离散灰色系统模型,利用该模型对原始沉降数据进行分析预测,并通过实验数据对比分析得出,利用离散灰色系统模型预测的结果与实测数据相吻合,预测精度可靠,且具有一定的参考价值。     

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。     

参数修正法改进灰色预测模型及其在岩土工程变形信息分析中的应用

基于灰色建模机理 ,本文提出了GM(1,1)参数修正建模法 ,通过改进模型的背景值 ,优化预报模型 ,进而提高岩土工程变形预报精度。结果表明 ,该方法建模简便 ,计算简单 ,预测精度较高。     

GA-BP神经网络在深基坑变形预测中的应用

选取深圳前海某基坑工程的监测数据为例,分别采用BP神经网络和GA-BP神经网络两种模型对基坑支护结构进行变形预测,将变形预测值与实际监测数据对比分析,指出遗传算法优化的GA-BP神经网络模型能更精确的预测基坑变形。     

矿区非线性沉降的GM(1,1)预计残差改进模型及应用

矿区地表移动变形关系到矿区安全生产和地面建(构)筑物的安全,对矿区地表进行定期监测并预测具有重要现实意义。矿区地表沉降由于持续时间长,观测数据具有长时序且表现为非线性变化的特征,因此存在建模数据区间难以选取、GM(1,1)模型预测精度不高的问题。针对以上问题,本文建立了基于残差加权改正的GM(1,1)改进模型,提出了先阶段后截尾的建模数据区间选取方法、预测流程和模型精度评定标准。经过实例应用验证,GM(1,1)预计残差改进模型预测精度优于GM(1,1)模型,且先阶段后截尾的建模数据区间选取方法能够提高预测精度。     

基于改进无偏灰色模型的矿山地表沉降预测研究

地下煤炭资源的开采为我国经济发展提供动力,但也对地表造成不同程度的损害,通过建立一些预测模型来有效预计矿山地表沉陷变形,能避免地表建筑物受到的影响。传统灰色模型是一种存在偏差的指数模型,为了使其预测性能得到优化,扩展预测适用范围,为此提出无偏灰色模型,以消除传统灰色模型本身固有的偏差。文中在无偏灰色模型的基础上,通过3次样条插值法对原始序列进行处理,得到改进无偏灰色模型。根据已有的矿山地表沉降监测数据,分别建立无偏灰色模型和改进无偏灰色模型进行拟合预测,并与原始数据对比分析,无偏灰色模型和改进无偏灰色模型的平均相对误差和平均绝对误差分别为0. 003 48%、0. 009 80%和0. 007 86%、0. 011 39%。预测结果表明,改进无偏灰色模型的预测精度更高。     

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     

改进的GM(1,1)模型在变形监测数据处理中的应用

在高层建筑等工程应用中,沉降监测是必不可少的,采用合理的预测方法,预测建筑物的变形对于工程建设具有重要意义.该文以某高层建筑物沉降监测数据为例,对灰色系统模型、新陈代谢灰色系统模型和改变背景值的新陈代谢灰色系统模型等方法预测精度进行了对比分析,从而得出了背景值最优化的新陈代谢GM(1,1)模型预测精度最好.表明该模型可适用于高层建筑物的沉降预测,且具有实际应用价值.     

基于灰色关联GM(1,N)-Markov修正模型的应用

针对变形系统中多变量之间相互作用影响,传统GM(1,1)模型难以体现沉降变化趋势的问题,该文提出基于灰色关联分析的GM(1,N)模型对数据分析处理,并利用Markov模型修正残差序列,提高预测精度。通过实际工程应用表明:灰色关联GM(1,N)-Markov模型的预测精度高,结果更为可靠,在实际工程沉降分析预测中具有可行性。     

灰色预测模型在基坑变形中的应用

基于基坑监测变形值具有一定的灰色特征，利用灰色系统理论建立了基坑监测变形值的等步长与非等步长GM（1，1）预测模型。通过对某基坑桩顶位移变形数据的预测，表明了灰色预测模型在基坑变形监测中具有较好的可行性及可靠性。     

武汉地区某地铁车站深基坑变形规律分析

以武汉地区某地铁车站深基坑工程为背景,结合土体开挖过程中基坑监测数据,通过数值软件建立车站深基坑三维有限元模型,对设计为钻孔灌注桩加五道内支撑的支护结构进行自身变形和周边地表沉降分析,并将围护结构变形和周边环境沉降的数值模拟值与监测值进行比较,结果表明,围护结构水平变形数值模拟规律与监测规律基本吻合,水平位移随基坑开挖深度增加呈现先增大后减小的特性,且基坑长边方向围护结构变形大于短边方向,基坑跨中部位变形大于端部变形,但最大变形均在开挖面附近。坑外土体受基坑开挖的影响范围主要在基坑边1~2倍基坑深度范围内,不同工况下地表沉降曲线大致呈凹槽型,且沉降峰值随基坑开挖深度增大呈非线性增加。     

增强型神经网络在基坑综合变形预测中的应用

为有效改善传统人工神经网络算法的缺陷,精确预测基坑变形,以实际工程为例,采用增强型人工神经网络（ANN）构建神经网络模型,并利用条件相同或相似的已建基坑工程的实测变形资料作为学习样本,实际变形观测值作为期望输出对神经网络进行训练。结果表明：该神经网络训练法的输出结果较为可靠,更接近于实际,是预测基坑变形的一种十分有效的方法,对其他基坑工程具有一定的借鉴价值。     

基于灰色GM(1,1)和神经网络组合模型的基坑周边地面沉降预测分析

为了预测基坑周围地表道路的沉降,该文结合常州恒生科技园二期建设工程实例,提出了灰色GM(1,1)与神经网络模型组合构成灰色神经网格模型。基于层次分析法,选取建筑物沉降、围护结构顶部水平位移、竖向位移、地下水位作为影响地表道路沉降的主要因素,并将其作为模型的输入因素。研究结果表明,灰色神经网络模型结合三次样条插值建立的组合预测模型,具有较高的预测精度,有利于基坑的预测、预警,有效地保障了基坑施工的安全。     

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.