引水隧洞围岩位移的非等步长灰色模型预测

针对引水隧洞围岩变形监测数据的特点 ,建立了非等步长灰色模型 ,用所建模型对围岩变形的位移进行预测 ,结果表明预测值与实测值误差较小 ,说明了本模型具有较高的精度 ,可以为隧洞设计提供理论依据。     

深基坑支护结构位移的非等步长灰色模型预测

针对基坑支护结构变形监测数据的特点 ,建立了非等步长灰色模型 ,利用所建立的模型对支护的位移进行预测 ,结果表明预测值与实测值误差较小 ,说明了本模型具有较高的精度     

基于灰色系统模型的矿区地表沉降预测研究

文中以灰色Verhulst模型为预测模型,以陕西北部某煤矿某综采工作面地表26期实测沉降值为实验数据,开展了地下采矿后地表沉降预测的实践研究。以实验数据中的A10、A11、A12和A13号监测点预测结果计算了灰色系统模型检验中后验方差法的C值和P值,进行了预测模型的精度评价。结果表明:灰色系统Verhulst模型精度达到了一级,可为地下采煤区地表沉降预测研究与实践提供参考。     

基于改进无偏灰色模型的矿山地表沉降预测研究

地下煤炭资源的开采为我国经济发展提供动力,但也对地表造成不同程度的损害,通过建立一些预测模型来有效预计矿山地表沉陷变形,能避免地表建筑物受到的影响。传统灰色模型是一种存在偏差的指数模型,为了使其预测性能得到优化,扩展预测适用范围,为此提出无偏灰色模型,以消除传统灰色模型本身固有的偏差。文中在无偏灰色模型的基础上,通过3次样条插值法对原始序列进行处理,得到改进无偏灰色模型。根据已有的矿山地表沉降监测数据,分别建立无偏灰色模型和改进无偏灰色模型进行拟合预测,并与原始数据对比分析,无偏灰色模型和改进无偏灰色模型的平均相对误差和平均绝对误差分别为0. 003 48%、0. 009 80%和0. 007 86%、0. 011 39%。预测结果表明,改进无偏灰色模型的预测精度更高。     

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.     

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.     

灰色人工神经网络模型在路基沉降预测中的应用

利用灰色GM(1,1)模型得出的高速公路工后运营期路基沉降预测量呈快速增长趋势,这与后期沉降趋缓的实际情况不相符。针对这个问题,提出先用弱化缓冲算子对原始监测数据进行弱化处理,再利用弱化缓冲序列建立灰色GM(1,1)模型,提高了模型的预测精度。采用BP网络对沉降预测值修正,使修正后的预测值更加接近实际值。工程实例表明在弱化监测数据的基础上建立的灰色与人工神经网络结合模型具有很高的预测精度,可用以公路路基沉降预测分析。     

灰色Verhulst模型在矿区沉降预测中应用探讨

在沉陷日常监测中,受各种不利因素影响,数据不易获得,数据量往往不多,从而影响了沉陷的预计精度。针对这个问题,在对数据等时间距化的基础上,运用了GM(1,1)和灰色Verhulst模型对沉降量进行了预计。结合矿区地表实测沉降进行了实例验证,结果表明灰色Verhulst模型对矿区沉降量的预计比GM(1,1)更为有效。     

基于动态参数线性回归模型的路堤沉降预测

随着观测信息的不断丰富,常规的线性模型的不足逐渐凸现,影响了沉降数据分析的精度。据此,为了克服常规沉降数据处理模型的不足提出了动态参数线性回归模型。该模型要求参与建模的数据个数保持不变,利用新观测的数据取代旧数据,获取新的模型参数,进而建立动态参数线性回归模型进行沉降预测。通过实例验证,动态对数模型预测值平均误差率为5．4％,动态多项式模型预测值平均误差率为2．7％;与其对应的常规模型相比平均预测精度分别提高了6．4和2．1个百分点,动态模型的效益十分明显;从建模精度σ^2来看,动态对数模型σ……2—=11.5,动态多项式σ^2—=2.3,均小于常规模型的σ^2—。     

矿区建筑沉降监测与灰色系统预测

在论述矿区建筑物沉降监测内容及监测过程的基础上,通过建立沉降量GM(1,1)预测模型,对某矿区幼儿园1#教学楼的监测数据进行分析,对下一阶段的沉降量进行预测。研究结果表明:沉降量预测模型能够为矿区建筑物沉降预测提供有效的参考数据。     

灰色系统预测模型在沉降监测中的应用

在深入研究和分析灰色系统预测模型的基础上,用Matlab软件编写了灰色系统模型用于沉降监测数据处理的程序。通过对某建筑物沉降项目的数据处理,得出较高的预测精度,证明了灰色系统预测模型在沉降监测应用中的可行性和可靠性。     

城市年需水量的灰色预测探讨

分析某市年用水量的变化特点,讨论灰色CM(1,1)模型的适用性,提出改进的灰色模型(GAM)在该市年需水量预测中的应用,结果表明:GAM与灰色GM(1,1)模型相比,平均相对误差及原点误差均较小,可用于该市的年需水量预测,为该市年需水的宏观调控与用水规划提供参考。     

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。     

高层建筑基础沉降预测模型及方法研究

基于高层建筑物施工过程可近似地看为一个线性加载的过程和S形曲线的特征,将广泛用于经济和资源预测的S形曲线模型应用于高层建筑物沉降预测,建立了高层建筑物的广义S形曲线时间-沉降预测模型,阐述了广义S形曲线模型参数的计算方法,并结合两个工程实例与常用的指数曲线法和双曲线法进行了对比计算分析,结果表明广义S形曲线模型用于沉降预测的效果较好,可供工程应用参考。     

应用遗传-神经网络方法预测软土路基沉降

理论方法预测软土地基沉降与实际存在较大的差距,使得预测结果很难达到设计要求,不利于指导施工.将现有的理论方法同现场观测信息相结合,对软土地基变形作出更为准确的预测,有利于指导和控制工程施工.采用遗传算法和BP最优化法相结合的算法来训练网络,用遗传算法来优化BP神经网络中权值;用龚帕斯曲线来分解沉降时序,通过沉降趋势线偏移量来训练网络.采用这种方法预测软土路基沉降取得了较好的应用效果.     

基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

软基路堤最终沉降量的灰色预测

依托广肇高速公路软基试验路段，通过对实测沉降、分层沉降、孔压、侧向位移等资料的分析，掌握了软土路基变形的实际性状。由于软基塑流的复杂性，要准确计算塑流引起的附加沉降有相当大的难度，本文采用灰色理论进行最终沉降量预测，用三次B—Spline函数将原始沉降数据进行等时距处理，并用缓冲弱化算子的概念，以消除友色预测模型的无限增长性，提高长期预测精度。通过比较说明：灰色预测精度较双曲线法和三点法要高。     

用动态不等时距灰色模型预测滑坡变形

基于金坪子滑坡的实际变形监测数据,对动态不等时距灰色模型预测滑坡度变形的预测精度及可行性进行了充分的分析与论证。实践证明,动态预测模型由于实时加入系统的最新数据,预测精度比非动态模型明显提高,更适合于工程应用。同时,基于SQL Server对监测数据进行存储,采用C#编制了模型比较验证及预测程序,大大提高了建模及预测的效率。程序简单易用,适用性强。     

基于滑动多项式拟合模型的建筑物垂直沉降预测

多项式拟合是预测建筑物垂直沉降时应用最广泛的模型之一,但模型受外界影响较大。为了更加充分的利用观测信息,减少外界因素影响,提出了滑动多项式拟合模型。该模型要求参与建模的数据个数保持不变,以新观测的数据取代旧有的数据,从而获得新的拟合参数,预测沉降量,并利用秩和检验对模型进行了检验。通过实例验证,得出滑动模型预测效果明显优于常规模型预测效果的结论。