非等间距灰色模型在沉降预测中的应用

在灰色模型GM(1.1)的基础上,建立了非等间距灰色模型,用于高层建筑沉降预测。非等间距模型是以等间距数列为基础,把非等间距数列转化为等间距数列,再进行一次累加生成处理,进而建立GM(1.1)模型,并介绍了其精度评定的方法。结合高层建筑沉降监测工程实例进行计算分析,预测精度较高。实践证明,非等间距灰色预测模型在沉降预测中具有较高的应用价值。     

GM(1,1)灰色模型在软基沉降预测中的应用

依托武穴长江大桥北岸接线段工程,根据沉降监测实测数据,采用三次样条插值方法将非等时距实测数据转换成等时距序列,建立等时距灰色GM(1,1)模型。利用matlab编程对模型进行计算,对处理后的软基沉降进行预测。利用经典的双曲线法和三点法分别进行沉降预测,并将预测曲线与基于等时距的灰色模型预测曲线进行对比,结果表明:灰色GM(1,1)模型预测精度更高,预测结果更可靠。基于等时距的灰色模型为软基处理后的沉降预测提供一种重要方法,对软基处理的施工具有一定的指导意义。     

非等间距序列灰色模型在建筑物沉降预测中的应用

建筑物在施工和运营过程中需要对其进行沉降观测,为解决利用观测数据进行沉降量趋势的实时预测问题,文章在传统灰色系统理论的基础上,通过对非等时间间距数据序列的处理,建立了改进的灰色系统理论模型,并用实例验证了模型的可靠性,以期能为预测建筑物沉降趋势、实时给出安全预警提供一种又快速又精确的数据分析方法。     

主梁变形预报的改进非等间隔权重灰色修正模型

针对斜拉体系加固张拉施工阶段主梁变形难以预报,传统非等间隔灰色模型在其应用中存在精度低的问题,提出了一种马尔科夫链残差修正的改进非等间隔权重灰色主梁变形预测模型。首先,该模型将主梁变形量和索力差分别看作传统非等间隔灰色模型中的原始数据列和时间差,考虑在累加生成和累减还原过程中是否引入权重分配系数,构建了4种不同的非等间隔权重灰色预测模型,并依据相似度准则确定相应的最优权重分配系数和最佳计算模型,提高预测精度;然后,采用马尔可夫链法反映出主梁变形残差序列的随机波动特征,从而对改进非等间隔权重灰色模型的预测值进行修正,较好地弥补了单一预测模型预测精度偏低的不足,进一步提高模型的预测精度;最后,通过该模型对斜拉体系加固主梁变形进行预测。研究表明,相对传统非等间隔灰色模型,在模型累减过程中引入权重分配系数后的模型相对误差平均值降低0.47%;采用马尔可夫链法对预测结果进行修正后,相对误差平均值降低10.32%,能显著提高预测模型的精度;与马尔科夫链修正后的传统模型相比,经累减还原优化后的修正模型相对误差平均值降低3.50%,预测精度更高,能够较好地反映出了斜拉体系加固主梁变形的发展趋势;该模型的核心理论是灰色系统理论,对实测数据并无特殊要求和限制,同样适应于其他工程领域的变形预测问题。     

非等间距新息GM（1，1）模型及其应用

针对非等间距GM（1,1）模型建模精度低、适应性不强等问题,应用新信息优化原理及灰色系统建模方法,采用原始数据序列的第n个分量作为灰色微分方程的初始条件,提出了非等间距新息GM（1,1）模型.基于背景值是影响灰色建模精度的重要因素之一,对非等间距新息GM（1,1）模型的背景值构造进行了研究,根据灰色模型的指数特性和积分特点,利用非齐次指数函数来拟合一次累加生成序列,重构非等间距新息GM（1,1）模型的背景值,并给出了背景值构造公式.该背景值不仅适用于等间距新息建模型,也适合于非等间距新息建模型,具有精度高、适应性强等特点.实例表明,所建模型具有良好的实用性和可靠性.     

基于非等间距灰色模型和Elman神经网络的轨道质量预测

轨道质量是影响行车安全的关键因素,合理预测轨道质量可以有效指导铁路工务部门进行轨道养护和维修.轨道质量指数(Track Quality Index,TQI)是综合评价单一区间段内轨道质量的参数.本文通过深入研究TQI的发展趋势,提出一种将非等间距灰色模型和遗传算法优化Elman神经网络相结合的预测方法.首先利用优化后的非等间距灰色模型GM(1,1)得到原始TQI序列的大致发展趋势,然后为了描述轨道质量发展中各因素之间复杂的函数关系,利用遗传算法优化后的Elman神经网络对初步预测结果进行残差校正,从而得到更为准确的TQI预测序列.新方法将轨道质量发展趋势中的随机波动成分纳入方法考虑范围,充分挖掘了历史数据的发展规律.利用沪昆线上行实测TQI数据对本文方法进行验证,实验结果表明:新方法对轨道质量发展中的随机波动趋势拟合效果较好;对于轨道质量预测,在利用非等间距灰色模型进行初步预测基础上,使用Elman神经网络进行残差校正,由此得到的预测结果在均方根误差、相对系数、决定系数等多个统计指标上均优于其他方法.     

基于合作对策的非等距灰色组合预测模型

对于非等间距的原始数据序列,根据灰色预测模型的建模特点,提出了一类非等间距灰色组合预测方法,利用合作对策方法确定组合预测模型权系数.弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

基于灰色Verhulst模型的公路路基沉降预测研究

结合公路软土路基沉降监测数据,本文研究了灰色Verhulst模型和双曲线模型在公路路基沉降预测中的应用,建立了任意时间间隔的灰色Verhulst模型.计算得出了灰色Verhulst模型和双曲线模型对公路路基沉降量预测结果,并与监测结果进行比较,结果表明灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要.     

优化GM(1,1)模型在滑坡形变预测预报中的应用研究

传统的GM(1,1)模型,只适用于等间距监测数据序列的模拟预测,对非等间距监测序列,一般经过等间距处理或经过复杂的变换计算再建立非等间距模型。针对传统GM(1,1)模型的不足,本文探讨了几种合理且实用的改进GM(1,1)预测模型,并对各种优化GM(1,1)模型和传统GM(1,1)模型的预测结果进行了系统的对比分析。     

灰序列的一种累加累减生成规则

基于向后差商的概念提出一种新的累加，累减生成规则，使灰色系统GM（1，1）模型不仅可用于等间距而且可用于非等间距灰色序列预测。基于白化微分方程的算例表明，所提出的累加。累减生成规则可行。     

基于时间序列与DEGWO-SVR模型的隧道变形预测方法

为了对准确预测隧道变形的非等距性及复杂非线性特征,结合时序分析理论、差分进化算法(DE)、灰狼优化算法(GWO)和支持向量回归机(SVR)模型,提出新的隧道变形预测模型. 利用3次样条函数插值法将非等距监测数据等距化;基于时间序列原理将变形分解为趋势项及平稳随机项,并采用所提模型分别对2个分解项进行预测;将各位移分量叠加,实现隧道累积变形的预测. 以重庆市兴隆隧道实测拱顶沉降为例,预测前方ZK37+900和ZK37+910断面拱顶沉降,并与已有模型进行对比. 结果表明：所提模型预测的均方根误差分别为0.193 7 、0.086 9 mm,平均绝对百分比误差分别为1.21%、0.55%,相关系数分别为0.997 1、0.992 8. 相比于已有模型,所提模型的预测精度更高、误差更小,具有更好的适用性及应用前景.     

基于灰狼支持向量机的非等时距滑坡位移预测

以三峡库区白水河滑坡为例,针对滑坡位移监测数据的非等距性和复杂性,结合非等距时间序列分析法、灰狼优化算法（GWO）和支持向量回归机（SVR）模型,提出新型非等距位移时序预测模型.利用自然三次样条插值法对滑坡位移数据进行等时距处理,基于时间序列分析理论将位移数据中的趋势成分和周期成分剥离,采用基于稳健最小二乘法的三次多项式拟合和GWO-SVR耦合模型分别对这两者进行预测,利用时间序列加法模型得到滑坡累计位移的预测值.研究表明,基于灰狼支持向量机的非等时距滑坡位移预测模型不仅预测精度高,预测误差较小,且寻优参数设置简单,计算收敛迅速.     

灰色系统模型在强夯地基处理中的应用

应用灰色系统理论通过对某住宅楼强夯地基静力载荷数据的分析,建立灰色系统GM(1,1)模型,预测其在不同加载等级下的地基沉降量.计算结果表明,预测模型计算结果与实测值拟合较好.     

基于ABC-BP模型的基坑地表沉降预测

目前基坑工程普遍仅关心地表沉降值是否超出监测预警值,缺乏对基坑地表沉降短期实时预测的有效方法,降低了基坑安全性。利用人工蜂群算法优化BP神经网络的组合模型可合理预测基坑地表沉降。首先,结合灰色相关度理论,对输入变量进行筛选,提高网络结构的高效性;接着,利用人工蜂群算法优化BP神经网络初始值,实现对地表沉降累计最大值及位置的预测;最后,将ABC-BP模型与其他常见神经网络预测模型对比,验证模型有效性。从预测和对比结果中可知,ABC-BP模型训练及预测结果的平均相对误差为3.27%,均方根误差为3.87,验证模型有效。     

混凝土受压过程中声发射数的灰色模型研究

针对在混凝土单轴受压破坏全过程的声发射试验中,采用传统GM（1,1）灰色模型多步预测分析所得预测值普遍较实测值偏大、预测精度偏低的问题,通过引进预测值折减系数,重点探讨了折减系数的特点。结果表明,折减系数在预测曲线起点处基本为一常数,在终点处基本与已知数据百分数呈线性关系。基于上述特点通过插值求其折减系数来合理修正传统的灰色模型,建立起折减修正GM（1,1）灰色模型。通过该修正GM（1,1）灰色模型对室内声发射试验建立的预测模型,其精度较传统GM（1,1）灰色模型有较大提高。     

高速公路软土地基沉降的灰色预测

以某工程实测数据为基础，运用灰色理论建立了地基沉降的非等时距等维的新陈代谢预测模型，并引用缓冲弱化算子的概念，以消除灰色预测模型的无限增长性。实践证明：灰色预测精度较双曲线法要高，在地基沉降监测中具有较大的实用价值。     

北斗卫星监测大跨桥梁基础变位算法

为实现北斗卫星定位系统(BDS)对大跨桥梁基础变位的连续监测和最终沉降量预测,需要消除卫星信号采集过程中的各种误差影响.本文提出通过平稳小波变换消除卫星信号中的多径误差;并将随机噪声简化成高斯白噪声模型,结合自相关函数噪声判定准测和经验模态分解降噪方法,降低信号中的随机噪声成分.为满足大跨桥塔沉降观测精度需求,采用双曲线模型定义北斗卫星监测数据和精密水准方法测量的桥塔沉降数据;以施工过程数据和模型化沉降数据作为输入层,通过BP神经网络建立不同数据间的非线性映射关系,实现北斗卫星实时测量数据的纠偏处理.最后,以某在建超千米公铁两用斜拉桥基础承台建立的北斗卫星沉降测点采集数据为例,根据3倍中位差原则去除北斗卫星采集数据的坏点,采用线性插值补偿丢失数据,通过本文方法降噪和纠偏后得到大跨桥梁基础承台沉降实时数据.与精密水准测量结果比较,本文方法具有亚毫米精度,满足大型桥塔结构沉降的连续观测和最终沉降量预测要求.     

基于Bi-LSTM的非等时距路基工后沉降滚动预测

为了实现路基工后沉降的早期、精准预测,提出基于双向长短期记忆网络（Bi-LSTM）的路基沉降预测技术. 采用Akima法将观测数据内插为适应时序分析法的等时距序列,提取“填土高度-时间-地基沉降”曲线中的6个影响因素作为变量训练Bi-LSTM模型,结合滚动迭代方法实现沉降预测的后延更新. 研究表明,利用深度学习技术可以有效地利用路基施工期信息,增加训练样本量,提升沉降早期预测的可靠性. Bi-LSTM模型对观测信息进行双向特征提取,同等样本量下的预测效果更精确. 依托6个中等压缩性土地基和1个复合地基监测断面信息,仅利用路堤填筑期及工后3个月数据,沉降预测的均方根误差 (RMSE) 和平均绝对百分误差 (MAPE) 平均值可以控制为1.19 mm、1.04%.     

应用灰色模型预测沉降的一种改进方法

软基工程沉降预测一直是很重要的土工问题.运用灰色理论结合三次插值样条函数建立等时距GM(1,1)模型,对软土地基的沉降进行预测,用MATLAB语言编制了相应的计算程序.通过工程实例对模型进行验证,结果表明,预测精度较高,合理可行.该方法可以为施工提供参考.