基于优化的DGM(1,1)在桥梁变形预测中的应用

传统DGM(1,1)模型在建模过程中易受到随机扰动的影响导致预测精度低、残值大,为提高模型的预测精度,本文提出一种同时优化原始序列和初始条件的DGM(1,1)模型。首先将卡尔曼滤波和灰色理论结合,使用卡尔曼滤波对原始序列进行降噪,消除建模过程中由于原始序列引起的扰动误差。其次,对建模过程中的迭代初始值增加修正系数,建立优化的DGM(1,1)模型。最后结合工程实例,采用三种模型进行对比分析,研究结果表明,优化的DGM(1,1)模型的拟合预测效果优于传统模型,桥梁沉降监测值与预测值变形一致。     

桥梁基础沉降的等维灰色预测

为揭示桥梁基础沉降的变化规律,采用灰色系统理论分别建立了基础沉降量预测的传统GM(1,1)模型和等维新信息GM(1,1)模型。工程验证结果表明,灰色预测模型的计算值与实测值较吻合,等维新信息GM(1,1)模型比传统GM(1,1)具有更高的预测精度,更适合于桥梁基础沉降量的预测。桥梁基础沉降量的灰色预测结果可为提前评估沉降设计及施工质量提供参考依据。     

大直径桩荷载与沉降关系的改进离散灰色模型

大直径桩荷载与沉降关系曲线一般为缓变形,未必符合指数曲线特性,很可能服从其他非线性特性,为此对离散灰色DGM(1,1)模型进行拓展,建立了非线性离散灰色模型。以此模型为基础利用优化理论求出初始迭代点,提高了非线性离散灰色模型的精度。利用该模型预测大直径桩荷载与沉降曲线,预测值与试验值吻合较好,与GM(1,1)模型、离散灰色DGM(1,1)模型相比,预测精度进一步提高,为大直径桩的荷载与沉降关系曲线预测提供了新的方法。     

基于卡尔曼滤波算法的动态灰色GM(1,1)模型在路基沉降分析中的应用

针对含噪声的路基沉降时间序列,传统灰色GM(1,1)预测模型易受随机干扰影响致使预测精度不高的问题,建立了基于卡尔曼滤波的动态等维灰色理论预测模型,并以新沉降信息设置模型初始值,克服了传统灰色GM(1,1)模型在预测过程中忽略未来因素对系统影响的缺陷。工程实例分析表明,建立的消噪动态等维灰色预测模型优于传统态灰色模型和其他一些预测模型,对工程建设有指导意义。     

修正的GM(1,1)在滑坡变形预测中的应用研究

针对传统灰色GM (1,1)在预测过程中,易受到周围环境因素的影响导致预测精度不高的问题,提出一种同时修正迭代初始值及背景值的GM (1,1)模型。首先基于灰色理论建模机理,迭代初始值选取x(1)(k)进行优化,消除建模过程中由x(1)(1)引起的扰动误差。其次采用复化Simpson积分公式对背景值进行构造,建立迭代初始值与背景值同时修正的GM (1,1)模型。最后依托工程实例进行研究分析,结果表明:同时修正迭代初始值及背景值的GM (1,1)模型精度优于传统模型,滑坡监测点预测值与监测值变形趋势一致。     

动态残差修正的新陈代谢灰色模型在沉降预测中的应用

在原始传统GM(1,1)和新陈代谢动态灰色模型的基础上,建立了傅里叶变换修正动态残差的新陈代谢灰色模型。结合工程实例沉降数据,用原始传统灰色模型、新陈代谢灰色模型、动态残差修正的新陈代谢GM(1,1)三种模型进行短期和中长期沉降预测分析比较,结果动态残差修正的新陈代谢GM(1,1)模型比动态灰色模型、原始传统灰色模型的预测精度均有所提高,并有一定的收敛性和较好的预测效果,为今后的沉降预测评估提供了一定的参考。     

深基坑施工变形预测与控制方法研究

结合广州地铁某换乘车站深基坑工程,分别采用5种计算模型对深基坑施工引起的周边地表沉降进行了预测分析,与实测沉降值对比后发现:灰色GM(1,1)模型、灰色马尔科夫链模型和BP人工神经网络的短期预测结果比较可靠,但其长期预测结果精度不够,而经过残差修正后的灰色模型能够明显的提高预测精度,具有一定的工程实用价值;并结合具体工程实例提出了深基坑施工变形控制的基本方法。     

最优非负变权灰色非线性模型及桥梁变形预测

针对灰色预测模型GM(1,1)拟合精度低的情况,创新性的提出GM(1,1)模型同正弦函数、余弦函数、指数函数和同常数相结合的灰色非线性模型,并给出模型解算和精度评定方法。在此基础上,根据变权原理又提出了最优非负变权灰色非线性模型解算思路。并用某桥梁变形监测工程实例进行验证。通过比较分析各模型精度发现:最优非负变权灰色非线性模型预测精度较GM(1,1)模型、灰色非线性模型得到一定程度的提高,可以应用于桥梁变形预测中。     

基于卡尔曼滤波的GM模型及其在公路边坡变形预测中的应用

在公路边坡变形监测与预测中,当用GM(1,1)模型对稳定的变形数据序列进行预测时,效果较好。但是,如果变形数据中因外界因素干扰而出现异常数据,使变形曲线发生波动,此时单纯采用GM(1,1)模型进行预测,就难以取得理想的预测精度。为此,本文提出一种基于卡尔曼滤波的GM预测模型,即先用卡尔曼滤波法对原始变形监测数据进行滤波处理,而后再建立GM模型进行灰色预测。通过公路边坡变形预测的应用研究,证明基于卡尔曼滤波的GM模型可以有效地提高预测精度。     

灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用

地铁深基坑变形是影响地铁建设的重要问题之一。针对地铁深基坑变形众多影响因素所具有的不确定性、模糊性以及深基坑变形的非线性特点,基于灰色系统理论和人工神经网络理论,分别采用灰色GM(1,1)模型、BP神经网络模型和灰色-BP神经网络组合模型对某地铁深基坑地表土体沉降进行预测分析,并将预测数据与实测数据进行对比,得出各模型预测精度。工程实例分析表明,灰色GM(1,1)模型预测精度最低,BP神经网络模型次之,灰色-BP神经网络组合模型由于集合了灰色GM(1,1)模型和BP神经网络模型的优点,预测精度最高,满足工程应用要求,对安全施工具有一定的指导作用。     

基于灰色神经网络模型的基坑开挖引发周边地面沉降预测分析

在城市地下工程建设中,深基坑开挖引起的周围地表土沉降问题越来越受到人们的重视。地表沉降将引起邻近建、构筑物破坏,从而造成经济损失。因此,预测基坑周围土体未来一段时间的沉降,对及时采取治理措施具有重要意义。文章针对GM(1,1)模型地面沉降预测精度较低的问题,利用神经网络对灰色预测模型进行组合,生成灰色神经网络模型,并进行预测分析,结果表明,利用灰色神经网络模型预测的沉降值,比单独的灰色GM(1,1)模型预测的沉降值具有更高的精度。     

动态GM（1,1）在建筑物沉降变形分析中的应用研究

介绍了灰色系统理论。针对传统GM（1,1）模型在建模时只从静态角度考虑未来时刻的状态这一缺陷,本文引入了可以实时加入系统最新信息的动态GM（1,1）预测模型。利用传统GM（1,1）模型与动态GM（1,1）模型对某桥梁监测点进行沉降变形分析与预测。通过对比分析实例计算结果表明,动态GM（1,1）模型可以有效地修正预测模型,在一定程度上提高了模型的预测精度,其预测效果优于传统GM（1,1）模型。     

北京某建筑地基的沉降监测与灰色预测

利用GM(1,1)灰色预测模型对沉降数据进行预测分析.结果显示,地基沉降数据的灰色预测值与实际观测值相关性好,模型精度较高,灰色理论用于建筑地基沉降预测切实可行.     

网络基坑沉降预测模型的结构探讨

针对深基坑开挖施工过程中多种因素引起的沉降变形具有较强随机性特点 ,用BP神经网络替代灰色CM (1,1)模型 ,可有效改善了施工工程中深基坑沉降变形值的预测精度 ,并对BP神经网络结构形式进行了探讨     

GM（1，1）模型在高层建筑物沉降监测中的应用

详细地介绍了GM(1,1)模型及模型精度评定,利用GM(1,1)灰色模型和回归模型对宜昌均瑶国际广场的沉降进行预测,将预测结果进行对比,分析表明GM(1,1)灰色模型能较好地预测该建筑物的沉降趋势。     

地铁深基坑沉降监测数据特点分析与预测

为明确地铁深基坑开挖引起的地表沉降变形规律,结合施工过程,依据D 市Z 地铁站第29-48 期深基坑沉降监测数据,分析出深基坑地面沉降变形的普遍特点。同时,利用灰色GM（1,1）模型,对两个典型沉降点的监测数据依据不同的施工阶段进行预测。结果表明,灰色GM（1,1）模型在深基坑的沉降预测中比较可靠,且分阶段预测精度更高。可见,深基坑的沉降变形特点与开挖施工过程密切相关,在预测时结合施工进度,能提高预测精度。该研究为日后地铁深基坑沉降监测数据分析与预测提供参考。     

GM(1,1)模型基坑结构变形预测应用研究

动态设计和信息化施工使得基坑结构变形预测意义重大,本文结合工程实践对GM(1,1)模型在基坑支护结构变形预测进行应用研究.工程应用结果显示灰色预测理论在深基坑结构变形预测方面具有较好的稳定性,GM(1,1)预测的深基坑地面水平位移、沉降与实际监测结果比较接近,GM(1,1)模型预测方法有效可行.灰色系统GM(1,1)基坑变形预测模型可作为基坑支护结构变形预测的参考工具.     

多项式分布滞后模型在桥梁挠度预测中的应用

介绍了PDL(多项式分布滞后)模型,并将其应用于某桥梁挠度预测,重点考虑了温度以及车流量对挠度的影响。借助EVIEWS软件对桥梁不同时期的挠度变形值进行预测,并与灰色GM(1,1)模型的预测结果进行对比分析。结果表明,PDL模型具有比灰色模型更高的预测精度,其预测结果更为可靠,对类似工程有一定的借鉴作用。     

改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

针对传统GM(1,1)模型在高铁隧道沉降变形分析与预测中精度不理想状况,本文在传统GM(1,1)模型基础上,建立自适应GM(1,1)模型与残差修正GM(1,1)模型并讨论两种改进模型各自优点。利用传统GM(1,1)模型、自适应GM(1,1)模型以及残差修正GM(1,1)模型对某高铁隧道监测点作沉降分析与预测。通过对比,得出自适应GM(1,1)模型与残差修正GM(1,1)模型对原模型的预测曲线相关性和预测精度有一定程度提高;残差修正GM(1,1)模型对于沉降曲线波动较大处仍有较好的拟合与预测效果,其预测效果优于自适应GM(1,1)模型。     

基于灰色组合模型的基坑周边建筑物沉降预测

伴随着地下空间工程大量兴建,在基坑开挖阶段,定期观测周边建筑物沉降,分析预测其未来的沉降变化规律、发展趋势,对保证建筑物与人民生命财产安全具有重要意义。为科学合理预测基坑周边建筑物沉降值,在综合常用灰色预测模型,即Verhulst模型、GM(1,1)模型和SCGM(1,1)_c模型优点的基础上,建立灰色组合模型,通过挖掘各单一模型的有效信息,优化拟合结果,从而对基坑周边建筑物的沉降值进行有效预测。实例应用表明:灰色组合模型的预测值与观测数据的拟合结果优于单一预测模型,其预测精度明显提升,沉降预测值更为可靠,可为采取相应的预防或处理措施提供科学决策依据。