锚杆极限承载力预测模型及方法研究

基于双曲线模型和指数模型,采用最优加权组合建模理论,建立了锚杆Q-s曲线的最优加权几何平均组合预测模型,对锚杆的极限抗拔承载力进行预测,并详细介绍了利用Origin软件强大的非线性曲线拟合功能,求取模型参数的简便方法。通过工程实例,验证了该最优组合预测模型的可行性。对比分析结果表明,最优组合预测模型的精度高于指数模型、双曲线模型和幂函数模型,是现场锚杆抗拔试验数据的一种有效分析方法。     

顾及数据新鲜度函数Knothe的开采沉陷最优组合预测模型及应用

针对传统组合预测模型对开采沉陷动态预测适应性差、组合权求解未顾及实测数据新鲜度的影响且求解效率低的缺点,通过实测分析和理论建模方式,研究了顾及数据新鲜度的开采沉陷组合预测模型,依据稳定性好、预测精度高、互补性好原则,该组合模型选取了GM(1,1)、三次指数平滑法、AR三元单体模型,引入顾及开采沉陷数据新鲜度的Knothe函数,基于误差平方和最小准则,构建了顾及数据新鲜度函数Knothe的开采沉陷最优组合预测模型,并提出了模型组合权求解的GA-NP算法(遗传算法-非线性规划算法)。工程应用表明,建立的新鲜度最优组合预测比未顾及观测值新鲜度的最优组合预测模型、方差倒数法组合预测模型、等权组合预测模型以及各单一预测模型,在精度、可靠性方面具有明显的优势。     

废弃采空区残余沉降时序预测模型的对比研究

采用自回归移动平均(ARMA)模型、趋势拟合/ARMA组合模型、与小波多分辨率分析结合的WARMA模型,对废弃采空区残余沉降观测数据进行数学建模,并对3种预测模型的预测结果作比较分析。结果表明:3种预测模型均可用于残余沉降短期预测,其中,WARMA模型的预测精度、预测步长和稳定性明显优于其它2个模型,具有实际应用价值。     

组合模型在桥梁墩台沉降预测中的应用

高速铁路线路修建过程中需要对线下构筑物进行沉降观测和沉降评估,由于高速铁路桥梁墩台沉降测量数据具有沉降量级较小,数值波动变化大的特性,所以单一预测模型不能很好的预测沉降量。文中结合Logistic模型、Gompertz模型和MMF模型的特点,应用加权几何平均法构造一个新的组合模型,使用该组合预测模型对桥梁墩台沉降进行预测,并对新模型进行精度评定。结合工程实例可得:组合预测模型拟合度高于前面三种模型,具有工程实用价值。     

最优沉降组合预测模型及应用

沉降预测在公路工程建设中具有重要的意义.利用实测沉降资料进行路堤沉降预测的常用模型,可以较好地反映其沉降变化发展规律及发展趋势,但尚存在一定的局限性,为了尽多的利用全部的有用信息,利用"组合预测"的思想,提出一种采用多种常用预测模型进行组合的预测方法,从而可根据有限的实测数据达到预测路基沉降的目的.组合预测法的关键是确定组合的权重,在讨论传统组合预测方法基础上,引入熵值法计算权重,工程实例表明,熵权法较其他权重计算方法精度更高,有明显的优越性.     

基于熵权的灰色沉降组合预测模型及应用

基于"组合预测"思想,提出了一种对多种常用预测模型进行熵权法计算权重的组合预测方法,从而可根据有限的沉降实测数据预测沉降发展。工程实例分析表明,基于熵权的灰色沉降组合预测模型能够充分挖掘各模型的有用信息,大大提高了预测精度。     

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.     

灰色模型(GM)在软土路基沉降量预测中的应用研究

该文讨论了灰色系统理论在软土路基沉降量预测中的应用 ,以京珠高速公路灵山试验段沉降观测数据为例 ,建立了沉降量灰色预测模型 ,并与三点法、双曲线法的预测结果以及实测结果进行了对比 ,结果表明 ,灰色预测模型的预测沉降量与实际沉降量更接近。最后分析了用灰色模型进行预测应注意的问题     

提升路基沉降预测能力的方法

由于沉降复杂的随机动态变化过程,数学模型在沉降预测中的可靠性和预测能力总是受到限制。为了提升数学模型的预测能力,利用黄土地区某高速铁路的路基沉降监测数据,采用不同步长的3次指数平滑法模型,采用交叉验证法和后验精度分析法,对模型的拟合精度和预测精度进行比较验证,获得可靠的最优预测模型;然后,采用平行修正预测法对模型的预测结果进行修正预测,提升模型的预测能力。结果表明,采用交叉验证法和后验精度分析法可获得最优的预测模型,平行修正预测法不但提高模型的预测精度,还增加了预测长度,提升了综合预测能力。该方法原理简单,操作容易,适应性强,也可以应用到其它数学模型中。     

基于预测有效度的矿山安全组合预测模型研究

依据组合预测有效度的定义,以单项预测在预测区间内预测精度均值最大为准则,建立了基于单项预测的加权组合预测模型,给出了加权系数的线性规划最优计算模型。应用基于灰色预测与指数平滑预测的组合预测模型研究了我国矿业事故数基本趋势问题,证明应用此模型对矿业安全系统预测分析不仅提高了预测精度,且模型直观、计算简洁,具有较高的实际应用价值。     

基于IOWA算子的矿区地表沉降预测组合模型研究

针对传统的加权组合预测模型赋权过程中的缺陷,分析了诱导有序加权平均算子(IOWA)的特点,建立了一种基于诱导有序加权平均算子的GM(1,1)-Verhulst组合预测模型。结合某矿山沉降实测数据进行基于IOWA算子的组合预测,结果表明基于IOWA算子的组合预测模型预测中误差优于传统的加权几何平均组合模型,更优于单项模型预测精度,预测结果能够很好地反映其沉降趋势。     

煤炭需求预测模型分析

基于最小二乘曲线拟合、灰色预测和最优组合模型,提出了全国煤炭需求量的预测模型,并利用各模型预测了全国2009-2013年的煤炭需求量。最后,对3种模型的预测结果作了分析,得出结论:最优组合预测模型从总体上起到了提高预测精度的作用,用此方法进行预测是有效的,预测的结果是可信的。     

改进的BP神经网络在路基沉降预测中的应用

针对传统的BP神经网络存在的缺点,提出了用附加动量法、自适应学习速率和L-M优化算法等几种算法进行优化。通过对比分析,证明了采用L-M优化和附加动量因子算法相结合取得了最优的预测效果。该方法克服了BP神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点。结合现场实测数据,将该优化模型与传统的BP神经网络预测模型对比,预测结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜广泛采用。     

基于InSAR技术和SA-SVR算法的矿区沉降预测模型

为了解决矿区沉降预测模型精度低、预测模型与实际开采情形不符的问题,提出了一种基于合成孔径雷达干涉测量（Synthetic Aperture Radar Interferometry,InSAR）技术、支持向量回归算法 （Support Vector Regression,SVR）以及模拟退火算法（Simulated Annealing,SA）相结合的新型矿区沉降预测模型。首先,以InSAR技术获取矿区沉降监测数据,对数据进行处理得到测试点的累计沉降量,并将 其与GPS实际测量结果进行比较,发现二者吻合性较好。然后,进行矿区沉降预测模型构建,通过SVR算法得到静态沉降预计模型,再利用SA算法得到模型中的参数最优取值。为了使预测数据符合矿区开采实际情况, 引入嵌入维数公式,得到矿区沉降预测动态模型及精度评价指标。最后,将构建的沉降动态模型应用于陕西省大柳塔矿区,得到预测值和实际监测值之间绝对误差的最大值为9 mm,相对误差的最大值为3%;模型评价 指标通过计算得到试验区平均绝对误差的最大值为2.5%,最小的相关性指数为0.8,表明该模型预测精度较高。     

煤矿开采引起的地表沉降预测模型研究及应用分析

文中基于曲线拟合和BP神经网络的理论,利用某矿区内B1点的实测沉降数据,结合MATLAB曲线拟合工具箱和BP神经网络的编程建立地表沉降预测模型,预测未来沉降趋势。同时采用曲线拟合的结果进行BP神经网络的训练和仿真(即曲线—BP组合模型),通过对预测值和实测值的比较,分析三种模型的预测精度,最后结果表明曲线—BP组合模型在矿区地表沉降预测中切实可行。     

组合优化模型在巷道围岩变形监测中的应用

将灰色GM(1,1)模型、回归分析法和神经网络模型的预测结果结合起来,以各种模型误差平方和最小为基准,进行加权优化组合,建立了组合优化预测模型并将该组合模型应用到巷道围岩变形监测中。经过实验分析与对比,验证了组合预测模型在巷道围岩变形预测中优于单一的预测模型,也是提高巷道围岩变形预测的一种有效方法。     

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。     

老采空区残余沉降的离散灰色预测模型

针对老采空区残余沉降序列波动性较大、传统灰色模型预测效果差的不足,建立了残余沉降的多变量离散灰色预测模型(DGM(2,2)),取阶次为2以适应残余沉降的波动变化,选择残余沉降值作为沉陷系统的主行为因子,而将空气、地下水等外界渐变因素对沉陷系统的综合影响作为相关因子,并按等时间影响原则进行量化。通过实例将DGM(2,2)模型的预测结果与6种传统灰色预测模型作对比分析。结果表明:DGM(2,2)预测模型在拟合优度、预测精度和稳定性等方面明显优于传统灰色预测模型,且建模过程避免了微分方程的解算,降低了计算复杂度。     

SVR-Markov复合模型在采空区地表沉降预测中的应用

提出了一种支持向量回归机(SVR)-马尔科夫(Markov)复合预测模型,该模型能够更好地反映采空区地表沉降规律,能够比较准确地预测地表沉降量。通过碾子沟煤矿采空区治理工程监测数据与支持向量回归机-马尔科夫复合预测模型与支持向量回归机模型进行对比,证明马尔科夫复合预测模型能够在支持向量回归机模型的基础上提高采空区地表沉降预测的精度。     

基于最优加权组合模型的煤炭消费预测分析

为了研究最优的煤炭消费预测模型,为我国能源结构优化提供依据,基于差分自回归移动平均(ARIMA)、灰色预测(GM)和人工神经网络(ANN)模型构建了8个组合预测模型,对我国煤炭消费量进行预测分析,应用评价指标R、MAE、MAPE和RMSE对预测模型精度进行比较,筛选出最优组合模型并预测分析未来10年我国煤炭消费趋势。研究结果表明:(1)最优加权组合模型均方根误差、平均绝对误差、平均相对误差等参数均较小,预测效果明显优于单项和简单组合预测模型;(2)构建了权重为(0.73,0.09,0.18)的我国煤炭消费预测最优加权组合模型ARIMA-GM-ANN。(3)将煤炭消费增长趋势分为"缓慢上升期"、"急速增长期"、"下降期"和"平稳期"四个阶段,2013年煤炭消费量达峰,约43.14亿t,2020年以后,煤炭消费量稳定在35.5亿t左右。