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.     

基于非等步长的GM(1,1)模型在矿区沉陷预测中的应用

由于矿产资源的大量开采,岩体结构产生内部变形,进而导致矿区地表会产生沉陷现象,亟待利用现代测绘与数据处理手段,加强矿区地表沉降的监测与分析,科学预测地表沉陷的发展趋势。文中拟以灰色GM(1,1)模型为基础,针对样本采集的非等步长特性进行加权改进,通过沉降样本的数学建模与分析预测,扩大了传统灰色模型的适用区间。     

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.     

基于残差修正GM(1,1)模型的采空区残余变形预测研究

针对灰色GM(1,1)模型直接应用于采空区地表残余变形预测效果一般的问题,以灰色GM(1,1)模型为基础,以一元二次多项式对GM(1,1)模型预测结果进行正化残差拟合修正,构建残差修正GM(1,1)模型,并以等间距和非等间距2种形式的采空区地表残余沉降监测数据集进行实例验证。结果表明：残差正值化处理后的非线性多项式拟合修正GM(1,1)模型的预测精度增益明显,而未对残差进行正值化处理的多项式残差修正GM(1,1)模型预测精度提升效果一般,正化残差拟合修正是有效的GM(1,1)模型后处理改进方式。     

建筑物沉降变形灰色预测

该文通过工程实例对建筑物进行系统沉降观测,并运用灰色理论建立灰色GM(1,1)模型,对建筑物沉降变形进行预测预报,获得良好结果,对类似工程具有借鉴意义.     

两种预测模型在客专路基沉降预测中的对比分析

在提出客运专线路基沉降预测重要性的基础上,以灰色预测模型GM(1,1)和双曲线模型,对路基沉降变形观测数据进行了分析预测,并结合实例,编写matlab程序,对这两种预测结果做了对比分析.结果分析显示:灰色预测模型GM(1,1)比双曲线模型在客运专线路基沉降预测具有更高的精度,效果更佳.     

稳健灰色模型在建筑物沉降监测中的应用

该文提出了稳健灰色模型,并将其应用于某建筑物沉降的预测。结果表明,稳健GM(1,1)模型比常规GM(1,1)模型具有更好的抗干扰性能和受异常点影响小的优点,更具有预测应用价值。同时还编写了计算机程序对灰色预测过程进行电脑处理,大大减少了工作量。     

非等间隔加权G(1,1)模型在建筑物沉降预测中的应用

文中针对建筑物沉降监测数据量少、贫信息和非等时距等特点,引入单位时间差系数,将非等时距序列转化成等时距序列,建立非等间隔G(1,1)预测模型,依据监测数据对模型的贡献大小,引入权重矩阵以提高模型的预测精度。实践表明所建非等间隔加权灰色GM(1,1)模型的预测精度更高。     

基于沉降监测的预测模型的选取

文中结合唐山市某建筑物沉降观测的工作实践,分别运用泊松模型、指数曲线模型和GM(1,1)模型进行分析预测,并且通过三种模型的对比,选出GM(1,1)模型更适合沉降规律.     

改进的灰色VerhulstGM（1,1）建筑物沉降模型

该文根据建筑物沉降观测数据列的特征,应用灰色理论关于连续非线性数据列的建模方法,经过二次拟合,建立了高层建筑沉降过程的非等间距灰色verhulstGM(1,1)模型。该模型经重庆地区某高层建筑沉降观测实例验证,能较准确预测建筑物的沉降过程和最终沉降量。