共查询到10条相似文献,搜索用时 31 毫秒
1.
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。 相似文献
2.
3.
结合灰色GM(1,1)模型和BP神经网络模型各自的优缺点,建立了灰色神经网络组合模型,并采用该模型对实际的监测数据进行处理和分析.结果表明,灰色神经网络充分发挥了灰色模型和神经网络模型的优势,取得了较好的预测精度,能够满足实际应用的需要. 相似文献
4.
为使地铁隧道在施工中沉降监测数据具有一定的预见性,分别采用了BP神经网络改进算法的预测模型、传统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预测。对其预测结果进行分析,得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序列的三次指数平滑法模型预测精度的结论。 相似文献
5.
变形监测一定程度上可以预测沉降发展趋势,本文采用灰色模型和神经网络的建模理论,介绍了GPS测沉降数据的预报处理流程,并利用上海市CORS网的数据分析GPS沉降预报,运用模型对GPS测沉降数据进行预测,最后利用中误差理论对精度进行评定,得出了灰色模型和神经网络模型在GPS沉降数据预报方面精度是可靠、精确的结论,从本文数据看神经网络预测的精度比灰色模型预测精度更符合实际。 相似文献
6.
7.
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。 相似文献
8.
采用非齐次的GM(1,1)模型进行地铁隧道轴线的变形沉降预测,拓展了灰色模型在工程中的应用,并结合上海地铁4号线上行线隧道变形沉降的监测数据对该模型进行了验证,结果显示该模型合理可行。 相似文献
9.
10.
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。 相似文献