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。     

灰色BP神经网络组合模型在地铁沉降监测中的应用

地铁路基沉降监测是变形监测中的一项重要内容,关系到交通运营的安全问题。为准确对地铁沉降进行预测,在灰色GM(1,1)模型及BP神经网络模型的理论知识的基础上,利用某地地铁沉降监测数据,采用灰色BP神经网络组合模型对地铁监测数据进行预测。通过监测数据和预测数据的对比分析,得出组合模型对地铁沉降数据预测较为准确、精度较高的结论。     

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。     

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.     

灰色理论模型在沉降分析中的应用

针对施工路基沉降情况进行分析,本文利用灰色理论中的灰色线性回归模型和灰色Verhulst模型对路基沉降情况进行研究预测。由于沉降数据属于S型数列,在MATLAB9.0平台上利用MATLAB语言对上述两种模型编程后分别进行实例检验,研究结果表明灰色Verhulst模型相对灰色线性回归模型更适合于S型序列的数据分析预测。该模型能够更好地反应沉降趋势,符合S型序列的分布特征,分析预测精度较好,可为监测提供有效的信息。     

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。     

基于灰色神经网络算法的测量数据处理

本文研究了灰色神经网络的建模原理,然后通过GM(1,1)模型和等维新息灰色神经网络模型计算建筑物沉降观测数据,包括等间距时间数据序列和非等间距时间数据序列,分析试验结果,灰色神经网络模型的结果精度高于灰色理论模型的精度。     

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。     

灰色理论在高层建筑沉降监测中的应用

根据灰色系统理论中的数列预测理论 ,针对高层建筑沉降监测 ,建立了灰色预测模型 ,并采用绝对关联度分析了模型的预测精度。最后根据预测模型对成都市某高层商住楼沉降量进行了预测 ,并根据预测结果与沉降实际测量数据的对比 ,分析了模型预测结果的合理性 ,并讨论了所用灰色预测模型的特点及其在高层建筑沉降监测的应用     

灰色神经网络预测建模的Matlab实现

鉴于Matlab强大的计算及可视化功能,利用GUI用户界面进行了灰色神经网络组合模型程序设计,实现了数据的读入、灰色GM(1,1)模型预测、灰色神经网络组合模型预测以及沉降预测曲线的绘制,并通过实例验证了该程序的正确性及可靠性。     

忠武输气管道沿线滑坡预测方法研究

基于忠武管道沿线滑坡不具有成面、成片分布的特点及其管道沿线滑坡监测方案,系统地分析了忠武输气管道沿线滑坡预测过程,根据灰色GM(1,1)模型具有对数据量需求少、对时间有关的序列有很好的预测效果等优点,重点研究了灰色GM(1,1)模型及其改进模型,并对各种改进的灰色模型预测结果进行比较分析;同时顾及BP神经网络的各种优点...     

安全监测中常用的变形预测方法及适用性

总结了目前常用的回归分析法、时序分析法、灰色系统理论、人工神经网络等预测方法的基本理论和特点,并对各种方法的适用性进行了概括和讨论,以期在工程建设中更好的利用监测数据对未来的变形进行预测。     

基于BP神经网络改进算法在地铁隧道施工中的沉降预测

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。     

基于混合模型的中央空调冷源系统运行能耗优化

为优化中央空调冷源系统运行能耗,本文分别建立了中央空调冷源系统运行能耗预测灰箱模型和BP神经网络模型,对比分析了灰箱模型与BP神经网络模型的能耗预测性能,并基于K-means聚类算法提出了将灰箱模型和BP神经网络模型相结合的能耗预测混合模型。结合中央空调冷源系统能耗预测混合模型,以模型可控输入变量为优化变量,对中央空调冷源系统进行节能优化。结果表明:对比单独使用灰箱模型或BP神经网络模型,中央空调冷源系统混合模型能耗预测精度提升了27.7%和33.85%。对比冷源系统优化前能耗,优化后的中央空调冷源系统运行能耗平均降低了8.2%。     

基于BP网络模型的采水地面沉降时空预测

鉴于本构模型和土体参数确定上的困难,在有效应力原理和随机介质理论的基础上,建立采水区地面沉降时空预测的BP神经网络模型,所建模型具有分布参数模型的特征。运用所建模型对其他地面沉降监测点进行了计算和预测,研究表明,所建立的BP网络模型能准确地反映采水地面沉降的时空规律。     

天津市市区地面沉降的GPS监测分析

为了进一步了解天津市政府采取控沉措施后天津市区的地表沉降情况以及利用全球定位系统(GPS)监测地表沉降的可行性 ,在天津市市区建立了一个高精度GPS地表形变监测网。监测结果表明 ,通过制定合理的监测方案 ,使用高精度GPS数据处理软件处理数据 ,并对影响GPS信号的各种误差源进行合理的改正 ,就可以使GPS技术在高程测量方面的精度达到毫米级。本文中由于对影响GPS信号传播的大气延迟模型 ,尤其是其中的大气方位梯度进行了精确的改正 ,提高了GPS测量的精度 ,测站高程坐标分量的精度达到了 5mm以内 ,完全能够满足地面沉降监测的要求。文章最后对天津市地表沉降对周围环境的危害进行了初步的探讨和分析。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

单双频GPS混合地面沉降自动化监测方案设计

利用GPS进行地面沉降监测具有覆盖范围广、不受气候条件限制、无需通视条件、自动化程度高等优势,但双频大地型GPS接收机的硬件价格比较高,难以大范围密集布设连续监测点。为降低硬件成本,采用单双频混合模式对广州南沙某lOOkm。区域进行了GPS地面沉降自动化监测设计,其中包括基准设计、网形设计、系统结构及数据处理方案设计。     

应用BP网络预测混凝土中的钢筋锈蚀量

钢筋锈蚀是影响混凝土结构耐久性的重要因素之一。本文通过建立BP网络模型对钢筋的锈蚀量进行计算和预测,并与目前常用的鉴别和检测方法相比较,结果表明建立BP网络是一种可以定量分析、简便易行的预测方法。     

基于级联神经网络的年降雨量预测

降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息;RBF网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。