建筑物沉降动态预测方法的研究

本文简述了时间序列分析的理论 ,并运用核理论 ,提出一套建筑物沉降建模方法 ,进行动态预测建筑物沉降的发展。通过例算 ,证明该种建筑物沉降动态预测方法的正确性     

小波支持向量机在建筑沉降预测中的研究

结合支持向量机模型和小波框架理论,建立了沉降预测模型,并对杭州市某小区的危旧建筑物进行了沉降预测,结果表明该模型预测精度较高,可以较好地预测建筑物沉降的发展趋向,适用于建筑沉降预警工作。     

灰色理论在建筑物沉降分析中的应用

建筑物的沉降预测,一直是建筑结构的重要课题之一.应用灰色系统理论建立建筑物沉降的灰色理论预测模型,可应用于建筑物的沉降预测,具有一定的应用参考价值.     

GM(1,1)模型在建筑物沉降监测中应用

结合某建筑物沉降监测数据,运用灰色预测GM(1,1)模型,探讨该建筑物沉降的动态变化规律,为其安全性诊断提供必要的信息。与实测结果对比表明,GM(1,1)模型对其沉降趋势符合度较高,验证了灰色GM(1,1)预测方法在建筑物沉降监测中应用的可行性和可靠性。     

花岗岩残积土建筑物沉降时效性研究

根据近年来广东地区花岗岩残积土上几处高层建筑物的固结沉降观测的工程实例,对花岗岩残积土地区建筑物沉降固结与时间的关系特性进行了分析,为该地区建筑物沉降预测奠定了理论基础。     

西安湿陷性黄土地区高层建筑物沉降分析与稳定控制值研究

通过对西安市2004年~2013年200幢高层建筑物沉降观测资料的分析,结合不同城区位置的工程地质条件,研究高层建筑物的长期沉降发展特性,采用指数函数模型预测建筑物最终稳定沉降量,经过统计归纳,分析高层建筑物不同阶段的沉降量情况,探求西安地区高层建筑物的沉降量控制值。研究结果为湿陷性黄土地区建筑物沉降安全预警值的确定提供了理论参考。     

明挖隧道基坑周边建筑物沉降预测研究

基于济南市济泺路穿黄隧道工程,研究了BP神经网络和灰色GM(1,1)模型分别对隧道开挖影响周边建筑物沉降的预测。BP神经网络模型和灰色系统模型预测深基坑周围建筑物沉降,均能够取得较好的预测结果;对建筑物的沉降量进行中长期预测时,BP神经网络模型更适合进行预测;灰色GM(1,1)模型的特点需使用的实测数据少,该模型适用于短期预测,在监测数据较少时能够发挥较好作用。     

基于地铁盾构施工引起的建筑物沉降特征研究

通过对地铁周边某建筑进行沉降监测,分析了地铁开挖过程中该建筑物各位置的沉降变形特征,并对该数据进行数学建模,预测未来几期隧道盾构开挖对该建筑物的沉降影响,预测结果准确。得出在隧道盾构开挖中,对建筑物沉降影响有一定的规律,在实际工程中具有重要的指导意义。     

BP神经网络模型在建筑沉降预测中的应用

在系统介绍了BP神经网络预测模型在建筑沉降预测中的应用,对建模步骤做了阐述之后,建立BP神经网络预测模型对某建筑物的沉降变形做了预测。在对预测结果进行分析后发现该模型在沉降预测方面有较高的实用价值。     

预测地基沉降量的新方法

本文提出用Logistic曲线拟合建筑物实测沉降—时间关系曲线预测地基沉降量的方法 ,并给出了最终沉降量的预测计算公式。选用实例进行计算取得了较好的拟合结果。     

路基沉降灰色神经网络预测模型及其应用

针对路基沉降预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测路基沉降的新方法。以京沪高铁某段路基断面为例进行了预测研究,并与用GM（1,1）模型预测的结果进行了对比。研究结果表明：灰色神经网络预测比GM（1,1）模型预测误差小。     

改进BP神经网络算法在基坑沉降预测中的应用

提出一种采用BP神经网络算法来预测深基坑沉降的方法，结合具体工程实例，构建了预测深基坑周边地表沉降具体BP神经网络模型，预测结果表明，该模型有较高的预测精度，可作为预测沉降的一种新方法。     

高速公路软土路基沉降预测方法分析

对软土路基沉降预测方法发展现状及存在的问题进行了分析,介绍了几种软土路基沉降预测方法以及每种方法的适用性,指出应根据工程的实际条件选择合适的方法。通过比较分析,提出了基于人工神经网络并结合遗传算法优化来预测软土路基沉降的方法。     

不等时距GM(1,1)模型在建筑沉降预测中可行性研究

在建筑变形预测中,不等时距 GM(1,1)模型是被广泛引用的经典模型。在数十例工程实践中运用该模型,通过预测与实测成果对比,分析模型的可行性。结果表明,该预测模型存在很大的误差,不能达到预报建筑物最终沉降的要求,建议结合场地条件,建筑结构特征来预测建筑物沉降。     

BP神经网络在五爱隧道地表变形预测中的应用

针对五爱隧道地表变形预测问题,采用BP神经网络方法利用已有观测点变形数据进行网络训练,结果表明BP神经网络的隐层节点数目对预测精度有较大影响,通过分析得出采用BP人工神经网方法可以较为准确地预测建筑物沉降量,并在一定程度上能够指导施工顺利进行。     

建筑物差异沉降的时间序列分析与预报

从时间序列分析的基本原理和方法出发,结合建筑物变形监测的关键技术指标差异沉降量的实例分析,给出了时间序列数据平稳化处理、模型定阶的统计检验、模型参数估计以及预报分析的方法,建立的时间序列自回归模型拟合与预报精度较高,为建筑物的地基处理及运营安全提供可靠的决策依据。     

开挖降水条件下基坑周围建筑物沉降预测研究

利用Gompertz曲线模型、灰色理论模型和BP神经网络模型等单一预测模型对基坑周围建筑物沉降进行预测,之后将结果与三者优化组合模型的预测结果进行比较分析,结果表明：单一模型预测结果的精度比三者优化组合模型的精度较低,而其中通过最优加权法组合的模型预测精度最高。     

改进的灰色模型在建筑物沉降预测中的应用研究

针对目前灰色模型在建筑物沉降预测中存在的问题,提出了一种通过改善原始数据序列的光滑度来提高灰色模型预测精度的方法,并以某建筑物沉降为例,验证该改进算法的可行性,结果表明改进算法的灰色模型在处理该类数据上更加具有一定的优势。     

新陈代谢GM（1，1）模型在建筑物沉降预测中的应用研究

本文针对传统GM（1,1）模型存在的不足,建立了新陈代谢GM（1,1）沉降预测模型。并以某建筑物沉降为例对比两模型的预测值,结果表明新陈代谢GM（1,1）模型在处理该粪数据上更加具有一定的优势。     

稳健时序分析在建筑物沉降监测中的应用

以高层建筑物为研究对象,提高预报精度为目的,详细研究了时间序列方法建立预报模型的方法,基于测量数据中存在异常值是难免的,将稳健估计方法引入时间序列建模,提出了基于稳健估计的自回归建模方法,采用某仓库两个沉降监测点连续42期观测数据对该方法进行了验证计算与分析,结果表明数据中存在异常值时,稳健比常规自回归模型的预报精度有较明显的提高。