动态修正时距权重的不等时距灰色模型及应用

传统不等时距 GM(1,1) 模型预测结果往往会出现预测值的残差较大而且残差率的变化也大,还需再建立残差模型加以修正。针对传统不等时距 GM(1,1) 模型的不足,重新分配在数据累加和累减过程中时距的权重,通过研究与验算确定最佳的时距权重,建立了修正时距权重不等时距边坡位移的灰色预测模型,并在数据累减还原过程中依据残差率的变化趋势动态修正时距权重,使其预测结果与监测结果更为接近。该预测模型充分考虑了预测系统的时变性和灰色性,降低了预测系统的整体预测误差,提高了预测精度。实例分析表明：该预测模型拟合精度较高,预测结果正确可靠,能够反映边坡位移的发展趋势,对边坡位移的短、中期变化有较为理想的预测效果,具有一定的理论价值和工程实践意义。     

沉降预测的等步长灰色时变参数模型

根据灰色系统理论的信息处理原则,建立了灰色系统沉降预测的等步长灰色时变参数模型,并在求解过程中引入遗忘因子以修正预测结果。模型充分考虑了预测系统的时变性和灰色性,从而降低对预测系统状态的预测误差。实例预测表明,灰色时变参数模型可以将工后总沉降量的预测误差控制在7.0%以内。误差检验结果显示,预测结果的精度等级较遗忘因子修正前有显著的提高。     

时变参数预测模型及其在沉降预测中的应用

在灰色GM(1.1)模型的基础上,建立了非等时距的时变参数灰色预测模型。模型参数假定是时间的连续函数,并表示成多项式形式,根据前期已有的信息,采用最小二乘法确定参数多项式中的待定系数,可得参数的预测公式,然后根据参数预测公式来建立响应的预测公式,即时变参数预测模型。最后将此模型应用于沉降预测,实例计算表明时变参数预测模型有望提高沉降的预测精度。     

数据突变下隧道洞口边坡变形灰色预测研究

根据边坡位移监测信息,应用灰色系统的原理和方法,对边坡的变形发展变化进行预测是一种有效手段.但边坡变形受到某些外界因素的影响发生突变时,监测数据序列不能正确反映边坡变形规律,致使边坡变形预测结果出现强度偏差.因此,提出数据突变预处理方法,并结合四车道扁平特大断面隧道洞口边坡变形现场监测数据,建立数据突变下的时间序列灰色预测模型,对边坡的发展变化情况进行预测.研究结果表明:基于数据突变预处理方法的时间序列灰色预测变形值与边坡实际发展变化一致,提高了时闻序列灰色预测的准确性.     

基于边坡位移监测数据的进化支持向量机预测模型研究

支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。     

边坡变形预测的灰色理论研究与应用

根据边坡位移监测信息，应用灰色系统的原理和方法，对边坡的变形发展变化进行预测是一种有效手段。但在阶段变化因素作为岩土体边坡变形影响主因时，由于监测时段与影响主因的阶段性不一致，监测数据序列不能正确反映边坡变形规律，致使边坡预测变形结果出现强度偏差；为此，提出以控制因素变化的阶段性来划分时间数据序列，建立阶段时间序列灰色预测模型，对边坡的发展变化情况进行预测。研究结果表明，采用该方法预测变形值与边坡实际发展变化一致，提高了时间序列灰色预测的准确性。     

边坡位移多层递阶回归预测模型研究

根据边坡安全监测数据,分析边坡位移影响因子及影响模式,对边坡地表位移进行回归分析。结合回归模型和多层递阶模型的优点,对回归模型中回归参数固定的缺点进行改进,建立了多层递阶回归预测模型,模型具有较高预测精度,适合于中长期位移预测,对边坡稳定性预测具有参考意义。     

基于时间序列的神经网络建模及边坡位移预测

边坡系统是一个影响因素众多、非常复杂的非线性系统,使得作为边坡内部力学现象外部表现的边坡变形同样具有很强的非线性特征,而神经网络所具有的高度鲁棒性、学习和联想记忆功能及数据挖掘等特性,对诸如存在内在联系的单时间序列的边坡位移预测有着较大的优势.以此为出发点,通过对单时间序列特点的分析,构造了基于单时间序列的神经网络预测模型,并以渝黔高速公路某边坡位移实际监测数据为例进行了计算.研究结果表明,通过挖掘边坡位移序列中的隐含信息,运用单时间序列BP神经网络进行边坡位移预测是完全可行的,预测平均误差仅为2.72%,预测结果与实际情况吻合度较高.最后通过与传统灰色理论预测方法进行对比发现,该方法预测效果明显提高,预测误差平均降低了近8倍.     

基于B-Spline的位移监测数据动态优化拟合

为更好地进行工程位移的监测,对基坑施工过程钢支撑水平位移激光监测数据特征、误差类型及其成因进行了分析,研究了B-Spline在海量监测数据去噪中的适用性,并通过引入待估参数的B样条基函数修正,建立最小二乘控制下位移-时间关系的高精度拟合优化。结果表明：待估参数ζi的修正重构,把监测数据序列转化为参数估计问题,使位移时变关系的最优化拟合成为可能;移动时间坐标方法,可实现等时距监测数据的动态处理,优化计算时间;B-Spline融合最小二乘法,在最小方差控制下实现监测数据-时间关系最优拟合,形成光滑、连续的高精度拟合曲线,有利于提高监测反馈控制的精度和可靠性。实例应用验证了成果的可靠性和适用性。     

基于不等时距GM(1,1)模型预测边坡失稳变形

对边坡的失稳变形进行预测可以有效预防灾害的发生。传统灰色GM（1,1）模型多适用于等间距序列监测数据的模拟预测,而实际情况却是由于各种原因导致所获得的监测数据出现不等时距现象。为此,在分析传统等时距GM（1,1）建模原理的基础上建立了不等时距GM（1,1）模型,并对灰参数的求解方法进行了讨论。依据渝黔高速公路某边坡B3测点的监测数据,建立了该边坡变形灰色预测模型,并且将改进灰参数求解方法与传统方法进行了对比,研究结果表明,该不等时距GM（1,1）模型预测精度较高,预测结果与实际吻合较好。     

滑坡速度倒数法预测模型加速开始点识别及临滑时间预测研究

对矿山或自然土质和岩质边坡而言,大多数滑坡预报都是基于边坡变形三阶段蠕变理论,并根据临滑前加速变形阶段即开始加速点(onset of acceleration,OOA)之后的位移进行滑坡时间预测研究.在分析S-SAR型边坡雷达连续监测的位移后,发现以OOA作为速度倒数法(inverse velocity method,...     

一种岩体工程黏性流动变形预测的新方法

 为了对岩体工程的黏性流动变形进行预测,依据弹性问题位移分量的古萨(Goursat)表达式和弹–黏弹性比拟原理推导相对位移矢量增量公式,并建立变形预报模型,给出变形预报的方法步骤。该方法不是直接求出真实的时间、介质物性参数以及边界条件的值,而是求出一组组合值,通过相对位移矢量增量公式进行预测。无需复杂的应力边界和位移边界条件,能够考虑岩体介质的本构特征,实现长期的两维变形预报。然后将其应用到具有黏弹性解析解的边坡算例中,结果表明：短期预报的精度较高,误差小于10%,长期预报时误差约为23%。最后,结合边坡开挖讨论这一方法的工程适用性,为岩体工程黏性流动的长期两维变形预报提供理论基础和实用方法。     

A new prediction model for rock slope failure time: a case study in West Open-Pit mine,Fushun, China

Establishing an accurate method for predicting the failure times of rock slopes subject to creep deformation is challenging, but at the same time crucial for preventing damage to properties and loss of life. In this paper, the Medium–short Term Prediction of Landslide by Polynomial (MsTPLP) model is proposed based on the Levenberg–Marquardt (LM) algorithm. The West Open-Pit mine in Fushun, NE China is currently the largest open-pit coal mine in Asia. The landslide on the southern slope of the West Open-Pit mine was selected as the study case. Global Positioning System (GPS) monitoring is employed in landslide displacement monitoring. Based on the analysis process of the MsTPLP model, the displacement time series derived from GPS monitoring points is selected as the input. The model parameters of the MsTPLP model are obtained using the Levenberg–Marquardt (LM) algorithm. The predicted failure time of a landslide, which is the output, can be determined according to the prediction criteria of the model. The prediction results show that the MsTPLP model can provide accurate landslide displacement predictions (correlation coefficient R ² > 0.98 and average relative error ARE < 17 %). The forecasting results of the landslide show that the estimated failure time is Mar 5, 2014. Based on field investigation and displacement analysis, the landslide on the southern slope of the West Open-Pit mine occurred on Mar 9, 2014. The predicted and actual failure times are significantly close, demonstrating the potential of the new method in landslide prediction.     

抗滑结构稳定时间的预测方法

以现场实测资料为依据，将GM（1，1）灰色预测理论应用于桩顶位移预测。同时结合D．J．Vames滑坡块体极慢速运动速率及有关载荷试验规范中变形稳定条件，提出了抗滑结构稳定的临界位移速率，进而依据桩顶位移的灰色预测方程及桩顶位移预测临界位移速率开展抗滑结构稳定时间预测，提出抗滑结构稳定时间的预测方法。     

滑坡位移预测的支持向量机模型参数选择研究

支持向量机(Support Vector Machine, SVM)已被广泛应用到滑坡位移预测,但在具体使用时,SVM的惩罚系数C、核函数参数δ及松弛系数ζ这三个重要参数的取值选择成为影响预测精度的关键。为有效分析SVM三参数取值对滑坡位移预测精度的影响规律,以三峡库区浮托减重和动水压力型两类典型水库滑坡为代表的连续6年地表位移、降雨及库水位监测数据为研究对象,首先,采用移动平均法将位移数据分解为趋势项和周期波动项,并区分训练集和检验集;再结合对滑坡变形机理及影响因素的分析,选择相应预测变量分别建立趋势项和波动项位移预测SVM模型;然后,在固定两参数情形下,通过改变另一参数的取值大小以获得SVM训练集与检验集的预测精度变化规律;最后,建立起典型水库滑坡SVM位移分解预测的参数取值推荐范围。该取值范围可以作为滑坡位移预测SVM模型的参数寻优初始搜索范围,可以在保证预测精度的前提下大大提高搜索效率。     

基于小波概率神经网络的单桩竖向承载力预测模型及应用研究

分析小波概率神经网络(WPNN)与数据融合技术在预测单桩竖向承载力中的应用原理,建立基于小波概率神经网络和数据融合技术的预测模型。根据长期的工程实测资料,利用高层建筑物静载试验数据对模型进行检验,并选取典型的样本进行预测值的误差分析。结果表明,预测的结果与静载试验数据吻合较好,从而证实了WPNN预测方法具有较好的可靠性和工程应用价值。     

矿区地表沉降灰色系统预测模型适用性——以陕西榆家梁煤矿为例

灰色系统理论模型是矿区地表沉降预测的重要方法之一,针对各种灰色系统理论模型在矿区地表沉降预测中的适用性问题,该文以灰色数列模型、GM(1,1)模型和灰色Verhulst模型为地表沉降预测模型,以陕西神木县榆家梁煤矿综采工作面地表沉降监测数据为数据源,开展了灰色系统理论模型预测对比研究.同时,以后验差比C和小误差概率P对...     

边坡非线性位移预测的动力系统自记忆模型

边坡位移的准确预测对于边坡稳定性评价、边坡安全状态的预警以及滑坡灾害的控制具有重要意义。将"动力系统自记忆原理"引入到边坡位移时间序列预测研究。首先将量测得到的边坡位移时序数据视为描写边坡位移非线性动力学模型的一个特解,采用双向差分原理反导出边坡位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了边坡位移预测的自记忆模型。将该方法用于三峡永久船闸边坡和卧龙寺边坡变形预测,研究结果表明:自记忆模型对于边坡位移预测具有较高的预测精度和较强的预测多个时序步位移的能力,从而为边坡位移预测提供了一条新途径。