改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

针对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的情况,在GM(1,1)模型的基础上,建立了自适应GM(1,1)模型与残差修正GM(1,1)模型,并讨论了2种改进模型的各自优点。依据某隧道沉降监测数据,进行工程实例分析,得出自适应GM(1,1)模型与残差修正GM(1,1)模型在一定程度上均提高了原模型的预测精度和预测曲线的相关性;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。     

改进的GM(1,1)模型在地铁运营隧道的沉降预测分析

工程监测中常用灰色系统的GM(1,1)模型对建(构)筑物沉降进行预测分析,但由于GM(1,1)模型本身的局限性,其预测往往存在较大误差,为了提高GM(1,1)模型在预测分析上的准确性,本文提出采用利用残差修正的方法对GM(1,1)模型进行改进,并利用该改进模型对地铁运营隧道的沉降进行预测分析,实验证明该方法相对于传统的...     

改进残差修正GM(1,1)模型在基础沉降预测中的应用

普通的灰色残差修正GM(1,1)模型利用差分代替微分,并用原始数据第一个点的值作为时间响应函数的初始值C0,从而给预测带来了一定的误差。本文用多项式逼近法对残差修正GM(1,1)模型进行了改进,并增加了一个初始值参数;还通过一个基础沉降预测的工程实例,对此模型与普通残差修正GM(1,1)模型进行对比。沉降预测结果表明,改进后的模型明显提高了精度,更加适合于基础沉降的预测,具有较好的准确性和工程应用价值。     

几种预测模型在变形监测数据处理中的应用

通过某高层建筑物沉降监测数据,对比分析了GM(1,1)模型、新陈代谢GM(1,1)模型、最优化背景值的新陈代谢GM(1,1)模型和灰时序GM-AR模型的预测精度,得出了GM-AR模型对建筑物沉降预测效果更好的结论。     

基于神经网络的GM（1，1）预测模型残差修正研究

针对GM（1,1）模型预测时段较长时精度较低的缺点,本文提出了基于神经网络的GM（1,1）预测模型残差修正方法,并且与传统的残差GM（1,1）模型修正方法进行了比较,经工程实例验证,本文提出的方法能有效提高预测精度、延长预测时段,在工程中有较好的应用。     

基于残差修正累积灰色模型在变形监测中应用研究

针对传统累积GM(1,1)模型对变形体模拟效果不佳和预测精度低的情况,本文基于新陈代谢思想,构建出新陈代谢累积GM(1,1)模型,利用傅里叶变换强大的降噪功能,对新陈代谢累积GM(1,1)模型的残差进行修正。实例结果分析表明,经傅里叶变换修正后的累积GM(1,1)模型的预测精度远高于传统累积模型及新陈代谢累积模型,同时,预测结果具有较强的稳定性,更为接近于变形体的实际变形,从而为监控变形体提供依据。     

基于GM(1,1)模型的建筑沉降预测方法

本文简述了GM(1,1)模型的基本原理及精度检验方法,通过DPS数据处理系统分别对工程实例的3组数据建立GM(1,1)模型,并对模型的精度及预测效果进行分析。结果表明该方法在建筑物沉降预测中具有较高的精度和效果。     

基于新陈代谢动态灰色模型在沉降预测中的应用

本文基于灰色模型理论,分别采用均值差分GM(1,1)和新陈代谢动态灰色模型对地面沉降进行模拟预测分析,结果表明,灰色模型均能够较好地模拟地面沉降的趋势,同时证明了,新陈代谢灰色预测模型由于实时加入系统的最新信息,其预测精度高于均值差分GM(1,1)模型,为今后的沉降预测评估提供了更多的参考和借鉴。     

基于GM(1,1)和DGM(1,1)模型的变形监测数据处理与分析

本文以济南路上国奥城项目为例,采用了灰色系统理论中的GM(1,1)和DGM(1,1)模型以及Excel的相关函数功能,对累积沉降量的时间变化曲线进行了预测,证明了模型在变形监测中的有效性和预测的精确性,为提高信息预测的精度和自动化有着积极的意义。     

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。     

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。     

动态修正时距权重的不等时距灰色模型及应用

传统不等时距 GM(1,1) 模型预测结果往往会出现预测值的残差较大而且残差率的变化也大,还需再建立残差模型加以修正。针对传统不等时距 GM(1,1) 模型的不足,重新分配在数据累加和累减过程中时距的权重,通过研究与验算确定最佳的时距权重,建立了修正时距权重不等时距边坡位移的灰色预测模型,并在数据累减还原过程中依据残差率的变化趋势动态修正时距权重,使其预测结果与监测结果更为接近。该预测模型充分考虑了预测系统的时变性和灰色性,降低了预测系统的整体预测误差,提高了预测精度。实例分析表明：该预测模型拟合精度较高,预测结果正确可靠,能够反映边坡位移的发展趋势,对边坡位移的短、中期变化有较为理想的预测效果,具有一定的理论价值和工程实践意义。     

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。     

Kalman-GM(1,1)组合模型在基坑围护墙顶沉降预测中的应用

针对基坑围护墙顶沉降监测数据受外界随机噪声干扰较大的问题,提出利用Kalman-GM(1,1)组合模型来进行变形分析和预测。即先用Kalman滤波模型对观测数据进行去噪处理,再建立基于滤波数据的GM(1,1)模型,进行基坑墙顶沉降预测。工程实例应用表明,该组合模型有效减弱了随机噪声干扰,其预测精度和可靠性高于单一GM(1,1)模型,更适用于基坑墙顶沉降预测。     

GM（1,1）残差修正模型在建筑形变预报中的应用

通过对比建筑形变监测数据的GM（1,1）模型和改进的GM（1,1）残差修正模型建模的预报结果,表明残差修正GM（1,1）模型的预报精度明显高于传统GM（1,1）模型的预报精度,并且二次残差修正GM（1,1）模型的预报精度远高于一次残差修正GM（1,1）模型的预报精度,从而为准确形变预报提供了一种简单而有效的新实践。     

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GM(1,1)模型数据的曲线拟合预测方法在武咸城际铁路中的应用研究

城际铁路为保证线路的高平顺性,对桥梁、路基、涵洞、隧道、过渡段等线下工程沉降量有着严格的要求,必须进行沉降预测评估。基于实测数据的沉降预测方法主要有曲线拟合法、灰色系统分析模型等,本文首先对多种预测方法进行对比分析,然后综合考虑曲线拟合法与GM(1,1)模型的优点,提出一种基于GM(1,1)模型数据的曲线拟合预测方法,并通过武咸城际铁路工程实例验证,说明该方法用于城际铁路线下工程沉降预测是可行的。     

基于GM（1,1）模型与灰色Verhulst模型的地铁竖井沉降预测

GM（1,1）模型与灰色Verhulst模型是广泛应用于变形分析预测的两种经典预测模型。本文利用这两种模型分别对地铁竖井沉降数据进行分析预测。通过对预测数据的比较分析,得出了灰色Verhulst模型的预测精度更高,更适合于地铁竖井沉降的预测分析。     

铁路路基沉降监测系统及沉降预测

采用水平测斜技术和激光测距技术相结合的方法,对铁路路基沉降进行了监测,并运用灰色理论建立基于该监测系统的GM(1,1)模型,同时与双曲线法、指数曲线法进行了对比,结果表明该模型具有较高的预测精度。