改进灰色模型GM(1,1)在高层建筑施工变形监测中的应用

文中综合分析了灰色GM(1,1)模型在建筑工程领域中存在的问题,从原始序列、初始值、背景值等方面对其进行优化,建立了改进的灰色模型以对高层建筑施工变形监测进行预测.结果表明,改进后模型的预测结果与实测结果拟合得效果很好,较之原GM(1,1)模型预测精度要高.     

非等步长灰色GM(1,1)模型及其建筑物沉降预测中的应用

在文献[1]非等步长灰色GM(1,1)模型建模基础上,提出根据沉降观测振荡序列建立非等步长灰色GM(1,1)模型的改进方法.利用青岛一高层建筑物的沉降监测数据,根据改进的非等步长灰色GM(1,1)模型对建筑物沉降进行了预测和分析,通过与改进前的模型预测结果的比较分析,验证了改进模型的实用性、正确性和有效性.     

修正的GM（1,1）模型在矿山边坡变形监测中的应用

灰色理论之GM（1,1）模型能对原有变形测量值进行较好的处理,但对于少量数据情况下的观测物形变规律预测并不是很理想。重新对平射中的亲和系数进行调整从而产生非均衡白化值,即对原始数列生成新数列时所占的权重进行了探讨,给出自由权重的生成公式,以求模型所产生的变形值更接近实际的变形规律。     

GM(1,1)模型在单桩沉降量预测中的应用

基于桩基静载荷试验所得的沉降量数据具有一些灰色特征, 将荷载Q看作广义的时间, 建立了荷载序列的等步长及非等步长GM (1, 1)预测模型。工程应用结果表明, 所建立的GM (1, 1)模型在预测单桩沉降量方面具有较好的实用性和可靠性。     

一种改进灰色GM(1,1)模型在矿区沉降预报中的应用

针对矿区存在不均匀沉降现象,提出了一种马尔可夫—残差灰色GM(1,1)预报方法,推导了新方法建立模型的数学过程,基于新方法对矿区长期监测沉降数据进行预报。结果表明,2020年预测值最大残差为2.64 mm,最小残差为0.87 mm, 2021年预测值最大残差为2.61 mm,最小残差为0.96 mm; 2020年预测值平均残差为1.73 mm,残差RMS值、STD值分别为1.86、0.73 mm; 2021年预测值平均残差为1.57 mm,残差RMS值、STD值分别为1.68、0.65 mm,新方法在矿区沉降预报中具有较高的精度和可靠性,长期监测预报结果可为矿区结构变形提供参考,为安全开采提供依据。     

改进的GM(1,1)模型在变形监测数据处理中的应用

在高层建筑等工程应用中,沉降监测是必不可少的,采用合理的预测方法,预测建筑物的变形对于工程建设具有重要意义.该文以某高层建筑物沉降监测数据为例,对灰色系统模型、新陈代谢灰色系统模型和改变背景值的新陈代谢灰色系统模型等方法预测精度进行了对比分析,从而得出了背景值最优化的新陈代谢GM(1,1)模型预测精度最好.表明该模型可适用于高层建筑物的沉降预测,且具有实际应用价值.     

基于GM(1,1)模型的沉降变形分析及预报

基于传统GM(1,1)模型的建模理论,结合建筑物的变形特点,采用实时动态GM(1,1)模型,并辅以残差对模型进行修正,即将动态预报与残差修正相结合,形成基于残差改正的动态GM(1,1)模型。实际算例表明,基于残差修正的动态GM(1,1)模型,能顾及参数的时变性,可显著改善GM(1,1)模型的拟合及预报精度。     

基于GM(1,1)改进模型在应力集中预测上的应用

将灰色系统理论中的GM(1,1)模型应用于应力集中问题的数据处理,根据应力集中处附近的应变理论值,能方便地求出应力集中处的最大应变值,并根据实际预测结果,利用文中的方法改进其基本模型并进行优化,实例表明预测结果是可信的,为工程测试的数据处理给出了一种比较实用的新方法。     

自适应GM(1,1)模型在码头位移变形预测中的应用

码头水工建筑物,由于其工作环境的特殊性,通常会发生位移变形,通过对码头的位移变形预测分析,能够更好地掌握码头的变形规律并及时预警,确保码头的安全运营。针对传统GM(1,1)模型仅适用于短期且呈指数变化趋势的变形预测分析的局限性,建立自适应GM(1,1)模型,并将该模型引入到实际工程应用中,依据某码头的位移监测数据进行变形预测分析。结果表明:自适应GM(1,1)模型预测精度高于传统GM(1,1)模型,自适应GM(1,1)模型具有更好的预测效果和应用价值。     

基于GM(1,1)改进模型在变形预测中的应用研究

传统GM(1,1)模型在工程变形预测中受到众多不确定性因素的影响,会导致预测精度低、残差大。因此,文中对传统GM(1,1)中原始数据、初始值、以及背景值进行改进。最后以某大坝边坡监测点的沉降位移为例,分别用两种模型对该监测点位移进行拟合预测并与实际值比较。结果表明:改进模型精度优于传统模型,预测值更接近真实值,在实际工程中有更好的应用价值。     

基于GM(1,1)模型的强矿震预测

研究强矿震的短临预测信息具有较大的实用价值。结合工程实例阐述该理论模型建模方法,精度处理方法等,以原始时间序列数据为基础,建立矿震发生步距的模拟和预测GM(1,1)模型。针对数值模拟中大量的矩阵计算,利用MATLAB软件编制高效的计算机程序,实现了对矿震发生步距的模拟和预测。为了检验模型模拟和预测结果的精度,选择了合理的误差检验模型。通过工程实例证明了GM(1,1)模型可信度较高,关联度较好,均方差比值为一级,拟合优度高。     

基于Matlab的灰色GM(1,1)模型在机械工业中的应用探究

在经典灰色GM(1,1)模型的基础上,添加了超前的数据处理及模型可行性分析,对模型进行了改进。利用Visio建立了改进的GM(1,1)模型流程图,给出2种用于处理这种模型Matlab的软件程序,方便设计人员进行机械行业中数据的预测及对试验所得数据的准确性分析。     

灰色预测模型在建筑物沉降监测中的应用

建筑施工中,沉降观测是监测建筑物是否安全的重要环节。为此,将灰色系统理论应用于建筑物沉降变形数据分析,结合实例,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。     

GM(1,1)模型在高冒区遗煤自燃释放CO量预测中的应用

高冒区由于遗煤自燃而成为内因火灾重要危险源之一。判定高冒区遗煤自燃的重要指标是释放的CO量。但是高冒区由于密闭严实,其内部遗煤自燃所释放的CO量人工测定比较困难,所以有必要选择一种模型对其进行预测。将采用灰色系统理论中的GM(1,1)模型,结合平煤十三矿11111巷道高冒区遗煤自燃氧化CO量变化值,说明建模过程。并将其应用于实际CO预测中,为煤矿做出正确决策提供科学依据。     

非等间隔加权G(1,1)模型在建筑物沉降预测中的应用

文中针对建筑物沉降监测数据量少、贫信息和非等时距等特点,引入单位时间差系数,将非等时距序列转化成等时距序列,建立非等间隔G(1,1)预测模型,依据监测数据对模型的贡献大小,引入权重矩阵以提高模型的预测精度。实践表明所建非等间隔加权灰色GM(1,1)模型的预测精度更高。     

矿区非线性沉降的GM(1,1)预计残差改进模型及应用

矿区地表移动变形关系到矿区安全生产和地面建(构)筑物的安全,对矿区地表进行定期监测并预测具有重要现实意义。矿区地表沉降由于持续时间长,观测数据具有长时序且表现为非线性变化的特征,因此存在建模数据区间难以选取、GM(1,1)模型预测精度不高的问题。针对以上问题,本文建立了基于残差加权改正的GM(1,1)改进模型,提出了先阶段后截尾的建模数据区间选取方法、预测流程和模型精度评定标准。经过实例应用验证,GM(1,1)预计残差改进模型预测精度优于GM(1,1)模型,且先阶段后截尾的建模数据区间选取方法能够提高预测精度。     

灰色预测改进模型在建筑物沉降中的应用

在传统GM(1,1)模型的基础上考虑初始条件选取的理论缺陷,提出了改进的灰色预测模型.通过在隧道开挖后上方建筑物沉降预测值与实测值的对比分析得出,该模型具有良好的精度,并具有一定的工程应用价值.     

基于优化GM(1,1)在基坑变形预测中的应用研究

传统GM(1,1)模型以数据序列背景值边界均值预测基坑沉降变形,精度低、残值大。基于灰色理论应用对数法与二次插值法分别对传统模型进行改进与优化,结合基坑沉降变形监测数据,采用三种模型分别预测对比分析,研究结果表明:改进的两种预测模型精度优于传统模型;预测值与监测值在基坑沉降变形趋势一致。     

稳健灰色模型在建筑物沉降监测中的应用

该文提出了稳健灰色模型,并将其应用于某建筑物沉降的预测。结果表明,稳健GM(1,1)模型比常规GM(1,1)模型具有更好的抗干扰性能和受异常点影响小的优点,更具有预测应用价值。同时还编写了计算机程序对灰色预测过程进行电脑处理,大大减少了工作量。