灰色模型在建筑物沉降监测中的应用

简要介绍了灰色模型的基本原理及建模方法,并针对具体的工程实例,通过建立灰色预报模型来预报未来几天的沉降量。结果表明:灰色模型具有较高的预报精度,数据非常可靠,所以可以通过建立灰色模型的方法来了解建筑物短期内的沉降变化规律。     

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。     

BP神经网络在软土地基沉降预报中的应用

提出了软土地基沉降预报的BP人工神经网络方法,详细介绍了该方法的建模和应用实例。预报结果与实测值较为吻合,从而证明利用BP人工神经网络进行软土地基沉降预报是可行的。     

组合模型在建筑物沉降预测中的应用

对将BP神经网络与Verhulst模型组合,建立了一种组合模型,并结合天津老城厢晶典苑中级人民法院沉降监测工程实例,通过组合模型和BP神经网络模型、Verhulst模型预测值与真实值的比较,讲究表明组合模型具有较强的适用性,提高了Verhulst模型的预测精度。     

BP神经网络模型在建筑沉降预测中的应用

在系统介绍了BP神经网络预测模型在建筑沉降预测中的应用,对建模步骤做了阐述之后,建立BP神经网络预测模型对某建筑物的沉降变形做了预测。在对预测结果进行分析后发现该模型在沉降预测方面有较高的实用价值。     

临近基坑的建筑物沉降预报

将BP神经网络应用于深基坑开挖引起的建筑物沉降预报,编制了基于Matlab6．5平台的建筑物沉降预报计算程序,工程实例计算表明该方预测精度较高,在工程实践中有较好的实用性。     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

基于遗传算法改进的BP神经网络模型在GPS高程拟合中的应用研究

目前,GPS被广泛应用于各工程领域,但GPS高程因与国家高程基准不同而被弃之不用。为充分挖掘GPS高程数据,本文在阐述遗传算法(Genetic Algorithm,GA)和BP神经网络(Back Propagation Network)基本理论的基础上,结合两者的优缺点,提出了基于遗传算法改进的BP神经网络模型(IGA_BP),并将该模型应用到实际GPS高程拟合算例中。结果表明,IGA_BP模型的GPS高程拟合精度明显优于传统的二次多项式和BP神经网络拟合精度,且收敛速度快,泛化能力较强,可达传统四等水准测量精度。     

灰色模型在地铁隧道沉降预测中的应用

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。     

新陈代谢Verhulst模型在基坑沉降预测中的应用

基坑沉降若超出允许限值,将会带来极大的安全隐患,甚至危及人们的生命安全。本文结合沉降监测实例,选取其中一监测点进行变形分析及预报。本文采用灰色Verhulst模型和新陈代谢Verhulst模型进行预报,结果表明新陈代谢Verhulst模型能够增强新信息的作用,预测值更为接近实测值,新陈代谢Verhulst模型的预测效果具有较高的模型精度等级,残差值较小,并且没有出现随着周期增长而大幅增大的情况,精度要高于传统的灰色Verhulst模型。     

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。     

沉降监测在海堤修复工程中的技术应用

通过死海南端约旦18号海堤的沉降监测实例,论述了沉降监测在国外大型工程项目中的技术使用,并对该海堤的沉降监测方法进行了总结,最后得出该方法对动态监测大坝安全起到了十分重要的作用。     

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。     

GPS 技术在滑坡变形监测中的应用

阐述了 GPS 技术的定位原理,并通过分析黄泥巴蹬坎滑坡的监测实例,验证了该系统可对滑坡进行实时、连续、三维位置高精度变形监测的特点,指出 GPS 技术是一种极为有效的滑坡变形监测方法,在滑坡监测中具有广阔的应用前景。     

基于神经网络的GPS水准方法的研究与分析

分别将BP网络和RBF神经网络应用于GPS水准高程拟合研究,在此基础上,选择某一地区的GPS水准实测数据进行了高程拟合实验,并将得到的最后精度进行了对比分析,得出基于BP神经网络模型在GPS高程异常拟合中具有较高的精度,并提出科学建议。     

一阶局域法在建筑物沉降预测中的应用

应用混沌时间序列预测方法,建立沉降预测的非线性混沌模型,介绍了局域一阶预测算法,并用这种算法对长安大学B点高层住宅楼实际沉降监测数据进行预测计算。结果表明,该方法不仅预测精度高,而且计算量小,相对容易操作。     

卫星测量在沉降监测中的应用

在介绍传统变形观测方法的基础上,讨论了近年来卫星测量包括GPS和卫星雷达等在沉降监测中的应用,并简要分析了其优缺点和精度,以期对类似工程的技术思路提供参考。     

改进遗传神经网络的大坝渗流监测模型

在对遗传算法的适应度函数改进并修改选择方法的基础上,用改进的遗传算法优化BP神经网络权值,提出一种改进遗传神经网络的大坝渗流监测模型。结合实例分析表明:预测模型合理,训练精度与检测性能得到提高。     

机场离港旅客托运行李需求预测方法的选取

通过分析机场离港旅客托运行李的需求特性,引出托运行李需求影响因素,对现有的预测方法进行筛选,选择了BP神经网络模型,并对其适用性进行了分析,以准确把握离港旅客的托运行李需求,及时有效地分配及调度相关人员与设备。