高层建筑物沉降监测

主要采用小波神经网络法对高层建筑物的沉降进行监测,对小波神经网络模型的构建进行分析,同时结合威海市的高层建筑沉降值监测,确定小波神经网络监测法的准确度以及误差,通过分析发现,小波神经网络监测法具有更高的准确度以及较低的误差,适用于高层建筑物沉降的监测。     

安徽港口湾水库大坝沉降分析

以港口湾水库大坝的LT18监测点作为监测对象,通过监测分析该点的沉降周期规律,并通过Matlab软件剔除误差较大的观测数据,最后利用拉格朗日插值的方法对数据进行拟合,得出较高精度的数据,最终用于该大坝变形监测模型的建立。     

中间法三角高程测量在大桥主墩沉降监测中的应用

对中间法三角高程测量在大桥主墩沉降监测中的应用进行了数学模型的建立和精度分析,并以重庆市某跨江大桥主墩沉降监测为例,对该方法进行了应用说明,中间法三角高程测量解决了被水淹没的大桥主墩沉降监测无法采用直接水准进行测量的难题。     

软土地基加固的沉降预测

根据广东省珠海市围海造地中地基处理现场施工监测的实测数据资料,对软土地基土层在堆载预压条件下,不同时刻软土层的最终沉降量进行了分析,并对沉降预测法中的指数模型进行了修正,进行了实测数据与预测数据的比对,为地基加固的沉降预测提供了方法。     

基坑开挖监测沉降分析及沉降预测

针对深基坑工程进行监测的必要性,对上海惠扬大厦基坑开挖的大量实测沉降数据进行了分析,寻找沉降随时间变化的规律,并运用时效曲线法对后期地面沉降进行了预测。     

遗传算法在泊松曲线沉降预测模型中的应用

以某基础沉降监测数据为基础,通过遗传算法拟合泊松曲线中的参数,得到该基础沉降预测的泊松曲线模型.结果表明,所建模型与实测数据吻合较好,本文所提方法简单易行.该模型可对今后基础的沉降进行预测,也为监测设计及施工提供基础.     

机场跑道软基加固过程中的沉降分析

结合某机场跑道软基处理实例,在堆载过程中对原地基沉降进行监测,经过监测数据分析,该法处理软基效果较好,加速软基固结沉降,减少工后沉降,为沿海地区同类工程提供了施工经验。     

路基沉降量预测方法对比分析

根据路基沉降现场监测资料,分别运用双曲线配合法和基于双曲线法的分级填筑路堤沉降预测法对两个不同路基处理措施断面路基土的最终沉降量进行预测。研究结果表明传统双曲线配合法的路基沉降量预测值比较接近实际的监测值,误差百分比较小;并且计算模型简单,工程适用性强;而分级填筑沉降预测法可以分阶段研究不同填筑时间段的沉降量以及固结度,更有利于了解各级路基填筑的沉降固结情况,可准确预测实际铺设道路时间。路基沉降预测方法的选用需根据实际研究内容进行选择。     

BP神经网络法在某输气站沉降预测中的应用

介绍了几种常用的沉降预测方法,通过详细系统的试算,建立了适用于沉降预测的BP神经网络模型,并以"川气东送"管道工程某输气站的沉降监测为研究对象,将BP神经网络法与传统的曲线法进行对比分析,论述了各种方法的优劣,明确了BP神经网络法用于沉降预测的可行性。     

人工堆山工程地基沉降Usher-Spillman模型预测

论文以镇江市体育中心大型堆山项目的现场沉降监测数据为基础,分别采用Verhulst模型灰色预测法、Asaoka法和Usher-Spillman组合数学模型对山体沉降进行了预测。其中Usher-Spillman组合数学模型对山体沉降进行拟合分析,得出沉降随时间变化的拟合方程,拟合相关系数可达0.98以上,其精度远远高于Verhulst和Asaoka法。该模型具有适应性强、预测准确度高的特点。本文运用该模型对镇江市体育会展中心堆山工程的1、2号监测点地基沉降进行了预测分析,得出1、2号监测点的最终沉降量分别为538.54mm和268.84mm。     

GM(1,1)模型在建筑物沉降监测中应用

结合某建筑物沉降监测数据,运用灰色预测GM(1,1)模型,探讨该建筑物沉降的动态变化规律,为其安全性诊断提供必要的信息。与实测结果对比表明,GM(1,1)模型对其沉降趋势符合度较高,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。     

路基沉降灰色神经网络预测模型及其应用

针对路基沉降预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测路基沉降的新方法。以京沪高铁某段路基断面为例进行了预测研究,并与用GM（1,1）模型预测的结果进行了对比。研究结果表明：灰色神经网络预测比GM（1,1）模型预测误差小。     

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。     

单桩极限承载力灰色预测

通过分析灰色GM(1,1)模型的特点,根据实际观测资料运用灰色GM(1,1)模型预测了单桩承载力与沉降的关系,并预测了单桩极限承载力,预测结果与实际观测具有较好的符合性,通过实例预测表明,这一模型具有较好的适用性,可以在类似工程中推广应用。     

基于TGM-ARMA模型的地铁隧道结构沉降预测分析

地铁隧道结构沉降主要受土层状况、地下水位、轨道荷载及周边环境等诸多因素影响,机理复杂,随机性强,而且随时间不断变化,难以用固定的数学模型表示,是一个非平稳的过程。据此,结合以灰色系统理论为基础的TGM(1,1)模型和以时间序列为基础的ARMA(n,m)模型各自的特点,建立了时变参数灰序模型TGM(1,1)-ARMA(n,m),并对地铁隧道主体结构沉降进行了分析与预报,结果表明时变参数灰序模型预测精度较高,且适用于中长期预测。因此,该组合模型在地铁隧道结构沉降预测分析中有较强的适用性,具有一定的应用价值。     

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。     

GM(1,1)模型在山区机场沉降预估中的应用

影响山区（高填方）机场沉降的因素很多,可以将高填方沉降过程看成一个灰色系统。本文利用灰色GM（1,1）模型对山区机场的形变监测数据进行建模、分析和预测,最后将其应用于某山区（高填方）机场沉降预测中。经与实测数据对比,表明预测精度良好。     

GM（1,1）—马尔柯夫模型的挣值管理项目预测研究

分析了挣值管理项目成本与进度偏差预测存在的问题及解决方法,研究了GM（1,1）—马尔柯夫预测模型,通过具体工程实例说明GM（1,1）—马尔柯夫模型预测理论上是可行的且比运用GM（1,1）模型预测精度高。     

桩基沉降的灰色预测模型分析

介绍了不等时距的GM(1，1)建模及引入残差分析的概念，并结合典型的实际工程，对桩基的沉降作出了预测分析，取得了较好的效果。     

地铁深基坑沉降监测数据特点分析与预测

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。