深基坑坑周土体水平位移预测模型的研究与改进

深基坑工程的变形预测意义重大。为了更好的对其变形进行预测,以某大楼深基坑工程为例,针对深基坑坑周土体水平位移预测进行模型的建立与研究,建立了Verhulst模型,并运用小波理论对原始数据进行降噪处理,建立了基于小波的Verhulst模型,进一步得到降噪前后的预测结果。通过与GM(1,1)模型对比分析,得出了以下结论:降噪前Verhulst模型预测精度为一级,优于GM(1,1)模型;基于小波降噪的Verhulst模型使预测误差进一步减小;小波Verhulst模型可用于深基坑坑周土体水平位移的预测,并体现出了较好的优越性。更多还原     

基于影响因子的GM(1,1)-BP模型在八字门滑坡变形预测中的应用

滑坡的预测预报是世界性难题,特别是如何把外界影响因素定量计入到滑坡中长期预报模型中。在滑坡中长期预报模型适用性分析的基础上,提出了基于影响因子的GM(1,1)-BP模型,该模型能考虑库水位、降雨等外界影响因素。以三峡库区八字门滑坡为例,在八字门滑坡工程地质条件的基础上,通过对位移、库水位、降雨等监测资料的分析,系统研究了八字门滑坡的变形特征、影响因素和变形破坏模式。在确定八字门滑坡影响因子的基础上,分别采用本文模型、GM(1,1)模型和不考虑影响因子的BP神经网络对滑坡位移进行了预测研究,发现本文模型预测精度较高。     

基于ARIMA时间序列模型的滑坡位移预测预报——以三峡库区王家坡滑坡为例

为深入研究滑坡的位移特性,以三峡库区王家坡滑坡为例,基于简单移动平均法及时间序列的减法模型分解滑坡位移的趋势项位移和周期项位移,对趋势项位移采取多项式拟合处理,对周期项位移进行一阶差分处理,并分析其自相关函数ACF及偏自相关函数PACF,然后根据模型的识别规则,建立了ARIMA(1,1,1)模型。根据时间序列的加法模型,将两部分预测位移相加即为滑坡位移预测的总位移。模型与实测结果对比表明,该预测预报模型效果较好,基本反映了滑坡位移的整体趋势,且实现了对滑坡累积位移的滚动预测,在滑坡累积位移短期预测预报中具有一定的适用性。     

GM(1,1)、GM(1,N)联合模型在建筑物沉降预测中的应用

鉴于GM(1,N)模型预测精度高及GM(1,1)所需统计数据数量少的优点,通过自相关理论,把GM(1,1)和GM(1,N)两者有机结合形成一个联合模型,以进一步提高灰色模型的预测精度.该文在沉降资料的基础上,利用该联合模型对南京-泵站的沉降进行了分析预报,其结果与回归模型和GM(1,1)模型进行了比较,最后得出了基于自相关理论的GM(1,1)、GM(1,N)联合预测模型,其精度可靠,可信度高,预报结果也与实际情况相吻合,从而证明了该方法在实际工程中的可行性.     

改进的非等间距灰色模型在大坝位移预测中的应用

传统GM(1,1)预测模型在大坝位移拟合及预测中存在优化方式单一、适应性不佳等不足,一定程度上影响模型的预测效果。基于蛙跳算法,通过优化背景值和平滑系数、寻找最优定解条件以及残差优化等方法,提出了改进的非等间距GM(1,1)大坝位移预测模型。结合相关工程实例,对比分析了2种模型的拟合效果和预测精度,说明了相对于传统GM(1,1)大坝位移预测模型,改进的GM(1,1)大坝位移预测模型能有效提高位移预测精度,可以应用于实际大坝结构中的位移监控及预测。     

基于优化初始值的GM（1，1）模型及其在大坝监测中的应用

传统的GM(1,1)模型通常以第1点作为初始值来确定积分常数C,缺少一定的理论依据.文中就GM(1,1)模型初始值的优化选取进行了深入的探讨,提出建模方差的概念.依据建模方差δ2最小的原则,对传统GM(1,1)模型的初始值进行改进,提出基于优化初始值的GM(1,1)模型.在大坝变形监测数据分析中应用优化的GM(1,1)模型,采用C 语言编程建立了相应的预测模型.大量的数据分析计算表明,优化的GM(1,1)模型预报精度优于传统的GM(1,1)模型和多项式拟合模型.     

EMD-GM(1,1)模型及在大坝变形预测中的应用

大坝水平位移影响因素复杂,形成的数据序列一般不具有单调性,但灰色GM(1,1)模型只有在数据序列具有单调性时才能得到比较好的结果。针对这种情况,详细讨论了EMD-GM(1,1)模型的基本内容及建模过程。EMD-GM(1,1)模型利用EMD的自适应性,自动地从目标序列提取出若干个独立的内在模式分量（IMF）,剩余余项则具有单调性,然后采用GM(1,1)模型对余项进行拟合,并使用适宜的方法对各IMF分量进行拟合,最后通过加权平均求出最终值。仿真试验表明,EMD-GM(1,1)模型由于考虑了白噪声对模型的影响,提高了灰区间的白色度,预测效果比传统的GM (1,1)模型效果好。因此,在大坝变形的预测预报中EMD-GM(1,1)模型比GM (1,1)模型具有更高的应用价值。     

水泥土搅拌桩复合地基极限承载力预测

以某水泥土搅拌桩复合地基4组静载荷试验数据为实例,对桩的荷载—沉降关系分别建立GM(1,1)模型及GM(1,1)新陈代谢模型进行对比预测分析。结果表明:GM(1,1)新陈代谢模型能及时补充桩顶位移新信息,同时去掉老信息,极大地提高了预测精度。利用GM(1,1)新陈代谢模型对水泥土搅拌桩复合地基及单桩承载力进行预测,得出试验不彻底的水泥土搅拌桩复合地基及单桩的极限承载力分别为540、450 kN,其相应桩顶位移量分别为37.3、14.7 mm。     

基于优化初始值的GM(1,1)模型在大坝变形监测中的应用

传统的GM(1,1)模型通常以第1点作为初始值来确定积分常数C,缺少一定的理论依据。该文就GM(1,1)模型初始值的优化选取进行了深入的探讨,提出建模方差的概念。依据建模方差最小的原则,对传统GM(1,1)模型的初始值进行改进,提出基于优化初始值的GM(1,1)模型。在大坝变形监测数据分析中应用优化的GM(1,1)模型,采用C语言编程建立了相应的预测模型。大量的数据分析计算表明,优化的GM(1,1)模型预报精度优于传统的GM(1,1)模型和多项式拟合模型。     

GM(1,1)改进模型在大坝位移预测中的应用

针对传统GM(1,1)模型的不足,分别从提高原始序列的光滑度、优化时间响应函数两个方面对其进行了改进,对模型进行残差检验和后验差检验,并建立一种新的GM(1,1)模型,将改进了的模型应用于大坝位移预测中,结果显示:新的GM(1,1)模型拟合预测精度明显高于传统模型。     

基于中心逼近式灰色神经网络模型的水质预测

对时间序列建立中心逼近式GM(1,1)模型,通过优选模型的m值弱化序列变幅,利用BP神经网络对该模型残差值进行拟合修正,以此构建一个基于中心逼近式GM(1,1)模型的灰色神经网络预测模型.应用实例的计算结果表明,该模型可提高水质预测精度.     

改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用

研究了改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用,先用S型函数对厦门某边坡的实测数据进行平滑处理,然后用平滑后的数据建立不等时距灰色GM(1,1)模型,最后用改进的计算公式求得马尔科夫模拟值和预测值。结果表明改进后的不等时距灰色马尔科夫GM(1,1)模型的拟合精度和预测精度有了很大的提高,对边坡稳定性预测有一定的参考价值。     

不同改进灰色模型在广西年用水量预测中的应用研究

以广西全区2005-2014年的年用水量资料作为建模数据,采用灰色GM(1,1)模型进行预测研究。为了提高预测精度,分别对传统灰色GM(1,1)模型进行了不同方式的改进,通过比较发现4种灰色模型的预测结果均较理想,平均精度达到了99.5%。其中传统灰色GM(1,1)模型为99.0%、函数变换改进的灰色模型为99.4%、残差修正后的灰色模型为99.7%、经弱化算子处理后的灰色模型为99.9%,同时也充分验证了灰色模型在广西年用水量预测中的可靠性。     

大坝变形度的不等维加权动态GM(1,1)预测模型

针对灰色GM(1,1)模型预测结果易受模型中以前测得的陈旧数据的干扰,及等维动态GM(1,1)受缚于维数选择的情况,给出了不等维加权动态GM(1,1)模型的基本内容及建模过程,模型中计算出多种维数的GM(1,1)模型的预测值,并且通过萨函数加权法和BP神经网络计算出每种维数的权值,通过加权获得最终预测值.并且成功地将不...     

灰色GM（1,1）模型在地下水位预测中的应用

GM（1,1）模型是一种精度较高的预测模型,该模型不仅操作简单,而且当数据较少、且无法采用统计和其他的预测方法时,该方法是非常有效的。以某地2000—2005年地下水位为原始数据,采用GM（1,1）模型对2006年地下水位进行了预测,达到为该地区的地下水资源的调配提供参考依据。     

应用灰色GM(1.1)模型及其改进模型预测渭河天水段水质

利用灰色GM(1.1)模型、残差修正GM(1.1)模型预测2004至2010年渭河对天水段水质污染物时发现,二者对于某些污染物预测精度不高,而且残差修正GM(1.1)模型预测精度未必一定高于GM(1.1)模型。在这种情形下,应用新陈代谢GM(1.1)模型,预测未来五年渭河水质的变化及其水质污染物突变的时刻。分析结果表明:新陈代谢GM(1.1)模型有助于提高预测精度和预测的可靠性。