灰色理论在高路堤沉降预测中的应用

运用灰色理论中的GM（1，1）模型对高路堤的沉降进行了预测，取沉降观测点在相同观测时段内的沉降量为原始序列，将其作1次累加1次累加序列，根据GM（1，1）模型建立灰色微分方程，其参数由最小二乘法得出，解决微分方程可得方程的时间响应序列，也就是所预测的随时间而变化的沉降值。并采用后验差法对模型的可靠性进行了检验，通过对京珠高速公路某段高路堤线性填土期和静载期实测沉降数据的分析，证明将灰色理论应用于预测高路堤不同填筑时期的沉降量是可行的；在实际运用过程中，为了更准确的结果，应不断代入新近的实测数据。     

非平稳时序分析法在隧道施工变形预测中的应用

根据隧道施工变形的时空效应,提出基于求和型的自回归滑动平均ARIMA（P,d,q）计算模型的隧道变形预测方法、采用差分运算,对现场监测数据平稳性化处理,通过自、偏自相关函数的分析确定计算模型,采用AIC准则确定模型的阶次,最后通过最小二乘法对模型参数进行估计．工程应用表明,非平稳时序分析法的预报值与实际沉降量的平均相对误差为8．28％,最大绝对误差为0．45mm,说明了采用非平稳时序分析法对隧道施工变形进行短期预报和实时监控是可行的、     

基于ARMA(p,q)利率下生存年金精算现值模型

利用时间序列理论将投资利率为条件稳定AR（p）模型和MA（q）模型推广为条件稳定ARMA（p,q）模型,根据缴费预定型养老金精算现值理论,得到了此推广利率模型下的生存年金精算现值模型,这对解决企业在平稳的利率环境下合理发放养老金,避免企业养老基金出现赤字等问题具有重要的理论指导意义和实际应用价值．     

随机利率下定期寿险趸交纯保费模型

定期寿险是人寿保险体系的重要组成部分,其合理的定价受到越来越多的关注。本文依据时间序列理论,基于信息力序列条件异方差的ARMA（p,q）-GARCH（r,s）模型,针对固定保险金额的定期寿险,建立了随机利率下的定期寿险趸交纯保费的数学模型,并通过实例分析说明该模型的合理性。     

整合SPC／EPC系统过程干扰的时间序列预测及应用

针对一个化工生产过程的干扰时间序列,建立了基于ARMA(p, q)过程的Box-Jenkins预测模型和基于径向基(RBF)神经网络的预测模型,并进行了预测对比实验,结果表明:神经网络预测方法比Box-Jenkins预测方法实现简单,具有较快的运算速度,并且短期预测和长期预测的精度均优于Box-Jenkins预测.     

软土地基高速公路施工期间沉降监测研究

押在高速公路软土地基施工过程中,控制路基沉降速率和总沉降量是影响施工进度及质量的关键问题之一。通过对苏南某高速公路(江苏南段)软土地基路堤施工沉降的动态监测,依据JTJ 017-96《公路软土地基路堤设计与施工技术规范》的有关规定,分析了沉降观测点的布设及测量精度和方法,提出了填筑期、预压期、底基层施工期、基层施工期、面层施工期共五个不同施工期间沉降水准测量要求,给出了实测资料和预测资料整理格式与方法,并进行了有益的探讨。     

时间序列ARMA模型的应用

对时间序列分析方法进行了介绍,对时间序列模型进行了研究。分析了时间序列模型的建立过程,并利用其中的ARMA模型对一个实例进行预测。结果表明,ARMA时间序列模型的预测结果是合理的。     

软土地基路堤施工中的动态沉降计算方法

在软土地基路堤填筑施工过程中，动态沉降计算方法可根据地基土层在路堤填筑过程中的物理力学特性的变化，逐步调整相应的计算参数，对地基沉降进行动态计算，从而对地基沉降量进行动态预测，用以控制填筑速率，并采取有效的措施确保路基的稳定性和满足工后沉降量的要求。     

改进的GM（1,1）灰色模型在大坝沉降预测中的应用

针对传统GM（1,1）模型的不足,分别从提高原始序列的光滑度、优化背景值、优化时间响应函数三个方面对其进行了改进,对模型进行后验差检验进行模型精度检验,并建立了一种新的GM（1,1）模型,将改进了的模型应用于大坝沉降预测中,结果显示,新的GM（1,1）模型拟合预测精度明显高于传统模型.     

冲击地压电磁辐射序列的ARMA预测

为分析冲击地压发生前的电磁辐射前兆规律,以鹤岗南山矿237工作面"1.12冲击"电磁辐射前兆序列为实例,运用SAS统计分析软件检验序列的随机性和平稳性,建立了适用于该序列的ARMA拟合模型,并预测了序列未来12期的监测值.结果表明,该序列是一个平稳非白噪声序列,可以用AR(3)模型来拟合和预测,模型预测值和真实值的相似程度在66%左右,一致性较高.ARMA模型能够提取电磁辐射序列中的前兆信息,定量描述序列的变化趋势.     

基于Bi-LSTM的非等时距路基工后沉降滚动预测

为了实现路基工后沉降的早期、精准预测,提出基于双向长短期记忆网络（Bi-LSTM）的路基沉降预测技术. 采用Akima法将观测数据内插为适应时序分析法的等时距序列,提取“填土高度-时间-地基沉降”曲线中的6个影响因素作为变量训练Bi-LSTM模型,结合滚动迭代方法实现沉降预测的后延更新. 研究表明,利用深度学习技术可以有效地利用路基施工期信息,增加训练样本量,提升沉降早期预测的可靠性. Bi-LSTM模型对观测信息进行双向特征提取,同等样本量下的预测效果更精确. 依托6个中等压缩性土地基和1个复合地基监测断面信息,仅利用路堤填筑期及工后3个月数据,沉降预测的均方根误差 (RMSE) 和平均绝对百分误差 (MAPE) 平均值可以控制为1.19 mm、1.04%.     

ARMA(p,q)利率模型下的破产概率

为了更好地研究利率因素对破产概率的影响,利用时间序列理论,建立了ARMA(p,q)利率模型,在此利率模型下,通过积分方程得到了破产概率的上界,并将此上界与AR(1)利率模型下破产概率的上界以及Lundberg上界进行了比较,所得结果推广了古典风险模型的相应结果.     

盾构下穿合肥高铁南站对路基的影响分析

本文以合肥市轨道交通1号、5号线下穿合肥高铁南站为依托,采用MIDAS/GTS有限元软件对盾构隧道施工过程模拟,分析了桩基群上部铁路路基沉降变化。通过模拟可知,既有桩基群能有效控制盾构施工过程中路基的沉降。先开挖的隧道引起的高铁路基沉降值大于后开挖的隧道引起的高铁路基沉降值,且在全线贯通时先开挖隧道引起的路基沉降与后开挖隧道引起的沉降产生明显的叠加。     

基于灰色理论的路基沉降研究

运用灰色理论建立预测模型,对软弱地基上路基的最终沉降变形进行预测.以工程数学为基础,通过建立灰色预测模型进行最终沉降量计算,并与实际工程的沉降观测值相比较,具有较高的精度.对于软弱地基的路基填筑,具有重要的指导意义.     

基于灰色理论的路基沉降研究

运用灰色理论建立预测模型,对软弱地基上路基的最终沉降变形进行预测.以工程数学为基础,通过建立灰色预测模型进行最终沉降量计算,并与实际工程的沉降观测值相比较,具有较高的精度.对于软弱地基的路基填筑,具有重要的指导意义.     

不同填料顺序下路基沉降分析

针对杨林船闸原状淤泥质土,进行一维压缩试验,研究一次加荷和多次加荷试验下的固结特性。结合典型路基断面,运用ABAQUS软件建立时间硬化蠕变模型和D-P弹塑性模型,得到不同填料顺序下杨林船闸附近高速公路路基工后沉降。试验表明,多次加荷试验下,主、次固结的分界点时间变大,即多次加荷试验主固结完成时间大于一次加荷试验主固结完成时间。模拟结果显示,未考虑蠕变情况下路基沉降量小于考虑蠕变情况下路基沉降量。把蠕变考虑进来时一次填料计算的沉降量大于多次填料计算的沉降量,同时也验证了多次加荷可有效降低次固结沉降。     

GM(1,1)-星野法沉降预测模型研究与应用

围绕目前高速公路路基沉降预测精度不高,预测方法适用性不强等问题,基于组合预测理论,借助MATLAB计算软件,将基于灰色理论的GM(1,1)预测模型和星野法沉降预测模型线性组合,以组合预测误差的平方和最小为标准确定两种预测方法的权重系数,提出GM(1,1)-星野法组合预测模型。结合广东某高速公路施工期以及运营期路基实测沉降数据,GM(1,1)-星野法组合预测模型预测结果较两种方法单独预测结果具有更高的预测精度,工程适用性更强。     

路基沉降试验研究及数值模拟

近年来,随着高速公路的快速发展,因路基沉降造成的公路病害问题日益突出。目前路基沉降的研究方法很多,本文通过在十慢高速公路填方路段进行路基沉降试验测试,并采用ANSYS软件进行数值模拟,来研究路基沉降规律。取路堤的一个断面,按照平面应变问题进行分析。土体定义为弹塑性材料来建立有限元模型。主要的结果有：a.高速公路在高填方路段的路基沉降主要由初始沉降、固结沉降、次固结沉降三部分组成;b.数值模拟的沉降量曲线具有单调递增性,存在反弯点,当时间趋于无穷大时,沉降量趋近于一固定值;c.路基运营阶段的沉降大部分为次压缩沉降,其数值很小。     

关于平稳时间序列线性模型的模拟模型

本文利用计算机数字仿真技术建立了平稳时间序列的线性模型的模拟模型，得到了该系统状态模拟模型的随机差分方程，给出了ＡＲＭＡ（ｐ，ｑ）模拟模型的新息递推方程．     

基于ARMA模型对我国电力消费量的预测

对于我国电力消费需求量时间序列自身规律的认识有助于电力消费量的预测,从而可以避免电荒和电力生产能力的过度投资。以1980年-2007年期间我国年发电量的时间序列数据为基础,通过建立指数回归一模型来拟合时间序列数据。运用残差序列趋势和残差序列相关图、偏相关图的分析,对模型的五种形式的参数估计结果进行比较分析,最后选择模型来拟合发电量时间序列数据,并对其模型拟合的残差进行了单位根检验,检验结果表明残差序列是平稳的,采用模型是合理的。