共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
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。 相似文献
3.
4.
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. 相似文献
5.
6.
7.
钻孔扩底灌注桩沉降量的灰色预测 总被引:2,自引:0,他引:2
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。 相似文献
8.
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。 相似文献
9.
10.
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。 相似文献
11.
12.
李建中??曾祥熹 《探矿工程(岩土钻掘工程)》2000,(2):1-3
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。 相似文献
13.
深埋隧道围岩变形预测的非线性组合模型 总被引:1,自引:0,他引:1
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。 相似文献
14.
利用灰色理论对地基沉降进行不等时距预测 总被引:2,自引:0,他引:2
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。 相似文献
15.
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. 相似文献
16.
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。 相似文献
17.
基于改进的GM(1,1)模型的瓦斯涌出量预测研究 总被引:3,自引:1,他引:2
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。 相似文献
18.
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。 相似文献
19.
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。 相似文献