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.     

灰色人工神经网络模型在路基沉降预测中的应用

利用灰色GM(1,1)模型得出的高速公路工后运营期路基沉降预测量呈快速增长趋势,这与后期沉降趋缓的实际情况不相符。针对这个问题,提出先用弱化缓冲算子对原始监测数据进行弱化处理,再利用弱化缓冲序列建立灰色GM(1,1)模型,提高了模型的预测精度。采用BP网络对沉降预测值修正,使修正后的预测值更加接近实际值。工程实例表明在弱化监测数据的基础上建立的灰色与人工神经网络结合模型具有很高的预测精度,可用以公路路基沉降预测分析。     

基于灰色RBF神经网络瓦斯涌出量预测

影响瓦斯涌出量的各种因素往往存在高度非线性,神经网络适合处理高度非线性数据,但样本数据随机性往往容易影响神经网络模型的预测精度,所以将改进的灰色模型引入进来弱化样本的随机性。又考虑到瓦斯预测上,RBF神经网络比BP神经网络更有优势,通过做差值将改进的灰色GM(1,1)模型和RBF神经网络结合起来,建立灰色RBF神经网络模型。仿真实验证明,灰色RBF神经网络模型比RBF神经网络模型的预测精度更高,达到了较理想的预测效果。     

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.     

非等步长灰色GM(1,1)模型及其建筑物沉降预测中的应用

在文献[1]非等步长灰色GM(1,1)模型建模基础上,提出根据沉降观测振荡序列建立非等步长灰色GM(1,1)模型的改进方法.利用青岛一高层建筑物的沉降监测数据,根据改进的非等步长灰色GM(1,1)模型对建筑物沉降进行了预测和分析,通过与改进前的模型预测结果的比较分析,验证了改进模型的实用性、正确性和有效性.     

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。     

钻孔扩底灌注桩沉降量的灰色预测

利用实测的钻孔扩底灌注桩静载试验数据,用灰色系统理论建立桩基沉降量的灰色GM(1,1)预测模型,并用残差GM(1,1)模型对原预测值进行修正。研究结果表明,建立的GM(1,1)模型可有效预测桩基沉降量。应用实例中,用预测的桩基沉降量修正了其实测值,结果表明,钻孔扩底灌注桩具有比检测结果更优的承栽性能。     

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。     

基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测

矿井工作面瓦斯涌出是一个动态不确定的过程,因此最新瓦斯涌出数据的研究至关重要,本文将灰色GM(1,1)模型瓦斯涌出量预测结果加入原始数列,对原始数据序列的信息进行更新,建立了矿井瓦斯涌出量GM(1,1)新陈代谢动态预测模型,采用残差检验法对该模型精度进行检验,其平均相对误差为3.861%,预测精度明显优于GM(1,1)模型,提高了灰色GM(1,1)模型预测瓦斯涌出量的精度。     

基于幂函数变换的GM(1,1)模型在地铁施工沉降监测中的应用

针对传统的GM(1,1)模型对原始观测数据的光滑度要求较高且预测结果精度较低的问题,该文选用幂函数变换的方法对原始观测数据进行预处理,提高原始观测数据的光滑度。在此基础上,该文提出了一种基于幂函数变换的GM(1,1)模型,并通过地铁施工沉降监测实例对两种模型预测结果精度进行验证。结果表明:与GM(1,1)模型相比,基于幂函数变换的GM(1,1)模型预测误差降低幅度为65. 73%,绝对误差降低幅度为50. 06%,相对误差降低幅度为46. 34%,中误差降低幅度为39. 05%,在很大程度上提高了模型的预测精度,减小了预测误差,对地铁施工过程中的安全稳定性评价具有一定的参考价值。     

基于灰色神经网络的矿井涌水量预测

针对矿井涌水系统的复杂性和随机性,提出采用神经网络修正灰色残差模型对矿井涌水量进行预测,既利用GM(1,1)模型能较好预测涌水量发展趋势的特点,又利用神经网络对于复杂非线性系统的优越性,保证了模型的精度,克服了单个模型所存在的不足。结果表明,该模型方法在矿井涌水量的预测中是可行的。     

用内蕴时间理论进行土流变本构方程研究

应用灰色理论 ,建立了不等时距的地基沉降预测GM ( 1 ,1 )模型 ,并可对结果进行修正。利用该模型对某 1 2层住宅地基沉降进行预测 ,预测结果精度高于常采用的双曲线模型推算结果。     

深埋隧道围岩变形预测的非线性组合模型

深埋隧道围岩变形受地应力、地下水、开挖方式等多种因素共同影响,表现为位移序列高度的非线性,为此,提出了基于变形信息融合的非线性组合预测模型。该模型以灰色GM（1,1）模型、RBF模型两种单项预测数据为基础,采用神经网络求取组合预测模型中单项模型所占权重,构建非线性组合预测,并将该模型应用于某深埋隧道围岩变形预测,同时将非线性组合预测的结果和简单平均定权组合、最优线性加权组合进行了比较。研究结果表明：所提出的方法较传统的定权方法在预测精度方面有明显的提高,预测结果更为稳健,在深埋隧道围岩变形预测中具有较好的工程和实践价值。     

利用灰色理论对地基沉降进行不等时距预测

通过徐州电业局科技综合楼和徐州白云大厦股份公司二期工程 2项钻孔嵌岩扩底桩施工实践 ,介绍了施工设备 ,成孔、成桩工艺 ,常见事故的预防、处理措施等。 2项工程均取得较好效果 ,初步显示了基岩钻孔扩底桩成孔、成桩工艺用于建筑桩基础施工的优越性。     

Research on the mining roadway displacement forecasting based on support vector machine theory

In view of the difficulty in supporting the surrounding rocks of roadway 3–411 of Fucun Coal Mine of Zaozhuang Mining Group, a deformation forecasting model was put forward based on particle swarm optimization. The kernel function and model parameters were optimized using particle swarm optimization. It is shown that the forecast result is very close to the real monitoring data. Furthermore, the PSO-SVM (Particle Swarm Optimization-Support Vector Machine) model is compared with the GM(1,1) model and L-M BP network model. The results show that PSO-SVM method is better in the aspect of prediction accuracy and the PSO-SVM roadway deformation pre-diction model is feasible for the large deformation prediction of coal mine roadway.     

灰色系统分析在沉降监测中的应用

文章对在沉降监测中如何利用灰色系统理论进行数据分析与预测做简要阐述,同时研究影响GM(1,1)预测模型预测精度的因素,探索如何提高模型预测精度,进而更好完成变形监测工作。     

基于改进的GM(1,1)模型的瓦斯涌出量预测研究

为了排除历史数据的随机性,提高瓦斯涌出量的预测精度,引入缓冲算子对瓦斯涌出量的历史数据的随机性加以弱化,并建立了瓦斯涌出量的灰色预测GM(1,1)模型,通过预测值和实测值的对比分析可以看出,改进的GM(1,1)模型在采掘面瓦斯涌出预测中具有较高的精度。     

基于优化GM(1,1)模型的矿井涌水量预测及算法实现

针对矿井涌水量预测过程中受各种因素的影响,预测精度较低的问题,基于GM(1,1)模型提出优化GM(1,1)模型。分别建立GM(1,1)模型及优化GM(1,1)模型,并对某矿2002—2010年矿井平均涌水量进行模拟计算,结果显示优化GM(1,1)模型模拟精度较高。利用MATLAB设计优化GM(1,1)模型的计算程序,解决了计算过程复杂、计算量大的问题。     

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。     

基于平滑变换的瓦斯涌出量灰色预测方法研究

为弱化采面瓦斯涌出量数据序列随机波动性,依据灰色模型构建理论,尝试引入不同的平滑变换函数来建立预测模型并综合对比分析．实证表明：引入实用缓冲算子的GM（1,1）模型预测拟合度和精确度更高,数据可信度更好,可为煤矿企业安全决策提供一定的理论依据．