建筑物沉降预测的改进Verhulst模型研究

为进一步提高灰色Verhulst模型的预测精度,将LS-SVM算法与灰色Verhulst模型相结合,对灰色Verhulst模型的参数估计方法和预测方法进行了改进。该方法采用LS-SVM算法,构造以背景值序列和原始序列为训练样本的LS-SVM,将Verhulst模型参数的估计问题转化为灰色LS-SVM的参数估计问题,依据LS-SVM算法求得灰色LS-SVM的参数,进而得到Verhulst模型的参数估计,方法上遵循了结构风险最小化原则,适合Verhulst小样本建模的特点。将改进的模型应用于软土地基建筑物的沉降预测,结果表明本文的方法是可行的且有效的,比传统方法预测精度高。     

GM(1,1)模型在建筑物沉降预测中的应用及Matlab的实现

针对建筑物出现的变形问题,提出在现有建筑物观测数据的基础上,运用灰色理论的方法,建立GM(1,1)模型,来预测该建筑物的沉降量,并用Matlab来对GM(1,1)算法进行实现.分析结果表明,GM(1,1)模型能较好地预测建筑物的沉降发展趋势,具有较强的实用性.     

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。     

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。     

改进灰色BP神经网络模型在建筑物沉降监测中的应用

建筑物的变形是由于多种复杂因素的影响,文章针对该影响以及单一预测模型精度不高的问题,建立了基于灰色模型和BP神经网络模型的组合预测模型。并采用复化梯形求积法对灰色模型的背景值改进,构建基于改进的组合预测模型。结合改进的灰色GM(1,1)BP神经网络组合模型对马鞍山市的某建筑物的沉降进行预测。通过对比可以看出,改进的灰色BP神经网络预测精度最高,其拟合程度更加接于实测值,可更好地适用于实际工程的中长期预测。     

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。     

高层建筑物沉降预测方法及对比分析

对高程建筑物进行沉降预测对于保证人民群众生命财产安全具有重要意义.针对广州市某高层建筑物的历史沉降数据开展试验,分别采用多项式拟合法、灰色GM(1,1)模型和BP神经网络模型等方法进行数据处理和沉降预测分析,并从算法实时性、小样本情况下的预测性能和低信噪比条件下的稳健性等3个方面对方法的适用性进行了对比分析.结果表明,...     

灰色理论在路基沉降预测中的应用及其改进

系统介绍了灰色理论预测模型在路基沉降预测中的应用,并对灰色模型进行了改进,建立了五个灰色理论预测模型,通过模型预测值与实测值比较,得出灰色理论预测模型适合于沉降过程曲线发展缓慢的软土路基沉降预测,而采用灰数等维递补动态预测模型和改进的灰色模型具有更高的预测精度。     

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。     

建筑物沉降灰色模型预测

本文应用灰色系统理论,对建筑物沉降观测数据进行处理,建立灰色动态ＧＭ模型,作出沉降预测,并获取了满意的结果。     

地基沉降预测的两种灰色模型与Asaoka法

Asaoka法、GM(1,1)模型和灰色Verhulst模型都是地基沉降预测中的常用模型。通过分析Asaoka方程与两种灰色模型之间的联系,指出灰色模型理论与Asaoka法一阶微分方程具有一致性,可以利用GM(1,1)模型代替Asaoka法进行沉降预测;灰色Verhulst模型是参数收敛的时变参数Asaoka方程。分析指出三种方法都存在两点不足,即只能应用于等时距沉降数据分析以及参数求解精度还可以进一步提高,从而建立了改进的GM(1,1)模型和改进的灰色Verhulst模型,最后通过工程实例说明了改进灰色模型的具体应用。     

基于灰色系统理论的路基沉降预测分析

引用灰色系统理论,构造了公路路基沉降的GM（1,1）灰色预测模型,结合某高速公路路基沉降监测实例,对路中和左右路肩处路基沉降分别进行了预测,经与实际观测数据对比,预测精度良好,说明GM（1,1）灰色模型在路基沉降预测中具有较大的实用价值。     

基于粒子群与Markov优化的PMIGM（1,1）模型预测路基沉降方法研究

高速公路路基沉降的准确预测对高速公路病害预防和治理有着极其重要的指导意义。以往的路基沉降预测模型多为单一模型或简单改进模型,提出了一种基于粒子群与Markov优化的PMIGM（1,1）预测模型。首先,基于灰色理论,提出了改进的IGM（1,1）预测模型;然后,利用Markov理论对IGM(1,1)预测模型的相对残差序列进行修正,使得该模型能反映数据的波动特征,得到了MIGM（1,1）预测模型;在此基础上,采用粒子群算法对残差序列参数进行白化,建立了PMIGM（1,1）预测模型。将该预测模型应用于云南保施高速公路高填方路基,分析结果表明该模型可提高预测模型的精度。     

滨海道路软土路基沉降工后预测——以厦门杏林北外环道路为例

通过对软土路基的沉降机理进行沉降组成分析,得出杏林软土地基沉降主要由主固结沉降组成。并运用灰色理论选用连续型直接数据GM（1,1）模型对厦门市杏林北环路高浦至锦园段公路软土路基沉降进行预测,通过与现场监测数据进行对比和分析发现,二者误差在1％内,表明用灰色模型预测软土沉降在该工程段中是适用的,预测的沉降值比较准确。     

黄土高路堤沉降变形预测模型研究

以兰州—海石湾高速公路高69 m黄土路堤沉降资料为研究样本,采用经修正了非匀速填土和非等步长沉降观测时间的GM(1,1)灰色理论预测模型进行黄土高路堤工后最终沉降量预测,与等比级数曲线模型预测结果对比,认为这两种预测模型都能很好地预测黄土高路堤工后最终沉降量,且灰色预测模型能较等比级数曲线预测模型更好地反映黄土高路堤不均匀沉降趋势。同时认为,考虑了沉降观测时间非等步长性和路堤填土速度不均匀性的灰色预测模型其预测结果更符合黄土高路堤沉降变形趋势,可进行进一步的研究、推广和应用。     

地基沉降的灰色群优化预测模型

建筑地基的沉降观测一般是时间非等间距的;分析了基于灰色理论建立的非等间隔数据GM（1,1）模型进行预测所得出的结果的误差变化,得出需要进行预测的后续时间越长,误差就越大;用越久远的数据建立的非等间隔数据GM（1,1）模型进行预测,所得出的相同后续时间的结果误差越大;运用灰色系统理论建立模型群,进而对模型群进行了优化,建立了非等间隔数据GM（1,1）模型群的优化预测模型.     

灰色理论在形变观测中的应用分析

以某建筑物变形监测数据为依据,结合灰色理论模型论证其使用性,并介绍了建筑物不均匀沉降的原因,达到指导生产的作用。     

建筑地基沉降预测的灰色模型与Asaoka法

在众多的建筑地基沉降预测模型中,Asaoka公式参数意义明确,在实际工程中得到了广泛应用,但是其存在局限性。根据灰色模型理论与Asaoka法一阶微分方程的一致性,通过构建满足白指数率预测无偏性的变权灰色预测模型,避免了Asaoka法应用的局限性。实例应用结果显示,变权灰色预测模型提高了预测精度,对非等时距沉降序列的分析预测具有更高的应用价值。