基于相空间重构的BP神经网络对边坡的位移预测研究

边坡的位移预测对其稳定性的预报具有十分重要的意义,从基于相空间重构的BP神经网络预测方法对位移时间序列进行了分析,对相空间重构的参数延迟量以及嵌入维数进行了论述,将预测结果与传统的BP神经网络模型的预测结果进行了比较。结果表明,基于相空间重构的BP神经网络具有更高的精度,是一种优秀的预测方法。     

基于相空间重构的公路边坡位移分形特征分析

根据高速公路边坡位移动态变化时间序列的非线性性质,利用时间序列的 Takens 相空间重构方法,由一维的单变量观测数据序列进行相空间拓展,在拓展的相空间中得出公路边坡位移动态变化时间序列的分维数,从而揭示了边坡位移动态变化的内在规律及其本质特征。     

相空间重构技术在边坡位移预测中的应用

边坡位移时间序列是边坡失稳预测中一个重要的参数,文章采用相空间重构技术的混沌时间序列分析法,对其进行了分析,并对时滞系数和嵌入维数等关键参数的确定方法进行了论述.研究表明,这是一种有较好前途的研究方法.     

基于径向基神经网络的基坑支护位移预测方法

简要分析了径向基神经网络相对于BP神经网络的优点,利用径向基神经网络建立了基坑支护水平位移的预测方法并编制了基于径向基神经网络的支护位移预测程序.结合实际工程监测数据中的基坑支护结构水平位移数据,对网络进行训练并利用训练好的网络对基坑支护结构的水平位移进行了预测.从预测结果与实测结果的对比分析来看,利用径向基神经网络对基坑支护水平位移进行预测是可行的,其精度符合工程实际的要求.     

基于土钉支护结构水平位移的灰色预测

针对土钉设计方法在位移计算方面的不足,引入了灰色理论来预测基坑开挖过程中的水平位移,以此来适应复杂基坑开挖的水平位移预测,经工程实例验证了三种方法预测基坑位移的可行性。     

基于相空间重构的滑坡位移时间序列预测

本文基于滑坡时间序列位移,根据相空间理论构建位移时间序列矩阵,利用熵值理论求取熵值。通过熵值变化及位移预测误差反馈调整该时序相空间重构的嵌入维数,然后利用支持向量机学习创建支持向量回归机模型。并通过实例进行位移时间序列预测,预测效果好。     

基于Lyapunov指数的交通量混沌预测方法

交通量预测分析已成为交通工程领域重点研究课题 ,智能运输系统的核心研究内容之一。在判定交通流量存在混沌的前提下 ,对交通量的实测数据进行相空间重构 ,而后在重构相空间上 ,利用基于Lyapunov指数的混沌预测方法预测交通量。苏州某交叉路口的交通量预测实例表明了该方法用于交通量预测的有效性和可行性     

深基坑深层水平位移全过程时序变化分析

为掌握基坑水平位移的变化规律,文中以基坑深层水平位移监测成果为基础,开展其现状变形规律及预测分析。结果表明,基坑不同位置处的最大水平位移值具有明显差异,变化范围为12.85～29.52 mm,均值为21.31 mm,均小于设计的变形控制值35 mm,满足设计要求;随基坑开挖持续,其水平位移具持续增加特征,且水平位移随深度增加,具先增加后减小特征,最大值主要位于12.5～13.5 m。同时,经变形预测,基坑水平位移具有收敛增加趋势,最大预测值也小于变形控制值,说明预测条件下,基坑的水平位移仍满足要求。     

瓦斯等级鉴定的混沌相空间重构预测技术研究

矿井瓦斯等级鉴定是确定煤矿属于低瓦斯矿井、高瓦斯矿井还是煤与瓦斯突出矿井以及预防煤矿瓦斯爆炸危险和矿井自然发火危险等的一个重要手段.论文针对柏林煤矿1989-2004年共16年矿井瓦斯等级鉴定的结果,采用了混沌相空间重构技术,提出了瓦斯等级鉴定结果预测的一种新方法,并成功预测了2005年瓦斯等级鉴定结果.证明了这种基于混沌相空间重构技术的新方法处理已有的瓦斯等级鉴定结果,预测来年的绝对和相对瓦斯涌出量是可行、可靠的.     

演化追踪法优化相空间的SVM供水量预测模型

相空间重构的支持向量机预测模型应用十分广泛,在城市供水量预测方面也占据着重要地位,传统的预测模型趋向于将重构的相空间整体带入,这样可能存在引入无效相点从而影响预测精度的问题,基于此将演化追踪法引入相空间重构的预测模型对有效相点进行筛选,优化预测模型的训练样本,达到提高预测精度目的。利用MATLAB编程软件将演化追踪法用于城市供水量的预测,预测结果的平均绝对误差由0.52%降低到了0.29%,证明了演化追踪法的可利用性与有效性。     

相空间重构与RBF结合的短时交通流预测研究

针对短时交通流的混沌特性,提出将相空间重构与神经网络相结合的预测算法,并采用某高速公路实时交通流数据进行了仿真验证,取得了较好的预测效果。     

基于混沌SVM与ARIMA的工程造价组合预测

为了解决工程造价预测的时效性问题,针对传统线性时间序列预测模型可靠性不高的缺点,引入混沌相空间重构和支持向量机技术,并将两者耦合组成一种非线性预测模型,再利用ARIMA在整体线性趋势预测方面的优越性,对非线性模型进行修正。混沌SVM和ARIMA预测构成组合模型的两个子过程,将两个子过程的预测结果综合平均即可得到最终预测结果。经实例计算,组合模型比最大Lyapunov指数、ARIMA和只将相空间重构与SVM进行耦合的方法拟合效果好,预测精度高,证明其的确具有线性趋势拟合和非线性波动拟合的双优势。     

GA-transFcn基坑位移预测模型的应用

随着我国深大基坑的增多,如何在保证基坑稳定的同时,有效的控制基坑周围土体位移,已成为人们关注的热点.基坑变形监测及预测的研究已经成为基坑支护的重要课题.本文紧密结合青岛地区深大基坑对GA-transFcn预测模型的应用进行了研究,研究结果表明GA-transFcn模型在拟合、预测能力上优于传统BP神经网络模型,可以在工程中应用.     

多因素灰色G(1,N)模型在大跨桥梁基坑位移预测中的应用

G(1,1)模型只利用单点已测数据进行预测该点的位移,而不管别的因素的影响。而事实上该点位移和围护桩上其他点的位移及锚索拉力是耦合的。针对传统的单因素灰色模型在基坑预测中的不足之处,提出采用多因素的G(1,N)灰色模型对基坑位移进行预测研究。计算实例表明,该模型预测精度高,所需数据少,简单实用,值得在大跨桥梁基坑预测中推广。     

时序驱动的BP模型对基坑周围沉降预测研究

应用相空间重构技术将一维沉降量时序数据映射到高维空间,将重构后的样本数据作为神经网络的输入数据,得出的高精度结果证实了基于相空间重构的BP神经网络模型是有效可行的。     

基坑早期竖向位移测量结果预测

为了对基坑的早期竖向位移值进行预测,根据某基坑的早期竖向位移沉降值作为样本数据,结合拟合法以及灰色理论两种预测方法对其进行预测,并将预测结果进行对比。计算结果说明在不同的样本数下运用两种预测方法对基坑的早期竖向位移值进行预测均是可行的,运用拟合法进行基坑的早期竖向位移值的预测更为准确。所得结果可为基坑监测以及施工提供参考。     

基于相空间重构的公路路基沉降变形数值模拟分析

为了提高公路路基沉降变形数值预测和评估能力,提出了基于相空间重构的公路路基沉降变形数值模拟方法.通过采集公路路基沉降变形的应变数据,利用结构有限元模型,得到了公路路基沉降变形的特征向量,构建了公路路基沉降变形的载荷分析模型;根据最优时延重组进行公路路基沉降变形数值模拟的相位轨迹重构,通过对公路路基沉降变形的相空间重构模...     

基于相空间重构与神经网络耦合的岩溶泉流量预测模型

岩溶水系统是受水文、地质、地形地貌、植被、人类活动等多种因素影响的非线性动力系统。本文利用重构相空间与神经网络,建立重构相空间与神经网络耦合的泉流量预测模型;通过对黑龙洞泉域泉流量的预测可知,所建立的耦合模型精度高。     

基于前馈神经网络的基坑测斜位移校正与变形预测研究

钻孔倾斜仪由于监测深度大、监测点连续性好及监测可靠性高，己成为一种主要的基坑壁变形监测手段。测斜管实际测量中，底部堵管时有发生。利用可靠点位移可以校正可测段位移测值，基于前馈神经网络可以推测被堵段的位移，并预测基坑壁的变形趋势。     

复杂环境下基坑支护方案优化及位移预测研究

结合实际工程,对复杂环境下基坑支护方案优化和位移预测进行了研究。首先,根据工程地质条件和周边环境分析施工难点,初步确定基坑支护方案。其次,基于施工过程的偏移预警进行原因分析,对原支护方案提出了改进措施。最后,通过构建BP神经网络模型预测了优化后的基坑变形,并与实际监测数据进行了详细对比。研究结果表明,该优化措施能有效控制基坑偏移。