改进GM(1,1)模型在基坑变形预测中的应用

分析得出原始GM(1,1)模型对应的灰微分方程仅是白化微分方程的梯形积分形式,因此以辛普生求积公式为基础建立了新的灰微分方程,而辛普生求积公式也是一种近似表达形式,因而对新的灰微分方程添加动态扰动项,以弥补灰微分方程与白化微分方程的差别,同时对初始值添加修正项,使其更加符合最小二乘法思想。将改进后的GM(1,1)模型应用到基坑变形预测中,实例应用结果显示,改进的GM(1,1)模型具有较高的预测精度。     

结合坐标变换的GM(1,1)模型及其变形预测应用

传统GM(1,1)模型以指数函数预测,而其一次累加序列的拟合函数曲线与实测序列的一次累加序列曲线并不重合,存在相近、相交或相离的趋势,导致后期预测的一次累加值存在误差.基于此,提出以序列下标(时间)为横轴,以序列值为纵轴建立平面直角坐标系,在坐标系内对一次累加序列拟合预测值进行先平移后旋转的坐标变换.变换后的点形成新的...     

GNNM(1,1)与GM(1,1)在深基坑变形预测中的应用

将灰色神经网络模型GNNM(1,1)应用于深基坑变形预测中,并与灰色GM(1,1)模型进行比较,以江苏某长江公路大桥南汊桥南锚锭深基坑为例进行实例分析,结果表明这种方法是可行的,能够准确地预测深基坑变形。     

GM（1,1）模型在基坑支护变形预测中的应用

在采用GM（1,1）模型预测基坑支护变形时,通过有效选取恰当的原始数据序列,能得到精度最高的预测结果。文中经过结合实际工程算例进行了分析证明,且计算过程采用了方便快捷的EXCEL方法。     

GM-ENN组合模型在滑坡变形预测中的应用

针对以往滑坡变形预测模型实用性不足的情况,从系统论观点和时序分析原理出发,将滑坡位移时序分解为趋势项和偏离项。通过灰色系统模型提取位移时序的趋势项,采用进化神经网络模拟位移时序偏离项之间的复杂非线性关系,建立起GM-ENN组合模型进行滑坡变形预测研究。并将此组合模型应用于三峡库区白水河滑坡的变形预测研究中。研究结果表明：该组合模型具有较强的建模能力、较高的精度,可用于相关的工程实践之中,具有一定的理论研究与实际应用价值。     

基于时间响应函数修正的GM(1,1)模型及变形预测应用

针对GM(1,1)模型中拟合所得的时间响应函数与实测累加曲线不重合这一情形,提出分别以时间和累加变形量为横纵坐标建立平面直角坐标系,在坐标系中,将原模型时间响应函数进行纵向平移,然后对平移后函数进行绕点旋转,从而构建新的时间响应函数,使其更接近实测累加曲线;将对应横坐标代入并求解非线性函数,再累减还原为预测值,且将其应用于其他改进GM(1,1)模型中。采用实测变形数据进行验证可知,其预测精度有所提高,具有实践参考价值。     

基于优化初始值的GM(1,1)模型在大坝变形监测中的应用

传统的GM(1,1)模型通常以第1点作为初始值来确定积分常数C,缺少一定的理论依据。该文就GM(1,1)模型初始值的优化选取进行了深入的探讨,提出建模方差的概念。依据建模方差最小的原则,对传统GM(1,1)模型的初始值进行改进,提出基于优化初始值的GM(1,1)模型。在大坝变形监测数据分析中应用优化的GM(1,1)模型,采用C语言编程建立了相应的预测模型。大量的数据分析计算表明,优化的GM(1,1)模型预报精度优于传统的GM(1,1)模型和多项式拟合模型。     

灰色新陈代谢GM(1,1)模型在土钉支护结构变形预测中的应用

土钉支护结构在深基坑、边坡支护中有着越来越广泛的应用,因其受众多因素的影响,且部分因素难以确定,故是一个典型的灰色系统。由于常规GM(1,1)模型被用于预测时,精度较高的仅仅是最近的几个数据,越往未来发展,该模型的预测意义就越弱,故尝试用灰色新陈代谢GM(1,1)模型来模拟和预测土钉结构的变形。事实表明,这种预测可以取得非常好的效果,有着很好的利用价值。     

GM(1,1)模型在大坝沉降预测中的应用

针对某水库大坝实际情况,提出在现有沉降观测数据的基础上,运用灰色理论的方法,建立GM(1,1)模型。通过数值试验确定模型最佳维数后,采取淘汰过于陈旧的数据信息、补充新观测数据的方法,即建立GM(1,1)等维新息模型,用以预测该大坝的沉降量,分析结果表明:GM(1,1)等维新息模型能较好地预测该大坝的沉降发展趋势。     

离散卡尔曼滤波法在滑坡变形预测中的应用

讨论了树坪滑坡的基本特征及其形成机制,介绍该滑坡的监测系统。变形监测表明树坪滑坡的变形主要与滑坡体的地形地貌及土层结构有关,而大气降雨及三峡水库库水位的影响是导致树坪滑坡产生变形的外界因素。使用泰勒级数建立滑坡变形与时间的函数关系,并将泰勒级数的余项及时间变化的2次方及3次方的系数变化量看作数学期望为零的动态噪声,建立卡尔曼滤波模型,应用于滑坡变形的预测预报。算例计算结果表明卡尔曼滤波模型的拟合效果和预测效果良好。     

滑坡变形的回归-神经网络预测模型研究

受多种因素影响,滑坡变形具有趋势性和随机性的特点。从滑坡变形监测数据着手,将监测数据分离成趋势值和随机值,建立了滑坡变形的回归-神经网络预测模型。该模型采用逐步回归方法对滑坡变形的趋势值进行预测,用BP神经网络预测方法对滑坡变形的随机值进行预测。利用金沙江乌东德坝址区金坪子滑坡TP06点高程位移变化实测数据,对该模型进行了验证。结果表明:预测误差不超过11%,具有较高的预测精度。     

滑坡体监测数据的改进变维分形-人工神经网络耦合预测模型

滑坡体变形预测对滑坡灾害治理具有重要的意义。根据边坡的演化特性,在研究得到滑坡是一个非线性动态系统,其监测数据具有分形特征的基础上,利用改进变维分形预测模型对滑坡体的监测数据时间序列趋势项进行预测,并引入人工神经网络对时间序列的偏离项进行纠偏优化,从而建立滑坡体监测数据的改进变维分形-人工神经网络（IVDF ANN）耦合模型,并以茅坪滑坡体的实测位移为例进行预测。预测结果证明,该模型充分利用分形理论的自相似性和人工神经网络的自学习能力,具有良好的抗噪性,对小数据量的监测数据能够达到较高的预测精度和较好的预测长度,为滑坡体安全监控预测提供了新的参考方法。     

基于诱发因素作用特征的滑坡变形时序模型

降雨、库水位变化是滑坡发生的主要外在诱发因素,降雨和库水位变化的滞后性和周期性是滑坡变形的重要作用特征。考虑降雨及库水位变化的滞后性和周期性对滑坡累积位移的影响,直接将降雨和库水位变化作为滑坡变形位移预测的影响变量,建立多元时序模型。以三峡库区秭归县白水河滑坡为例,首先用灰色模型提取趋势项位移,然后利用滞后的降雨量和滞后的库水位的变化量预测当期的周期项位移,最后将趋势项位移与周期项位移叠加,得到滑坡累积位移的预测值。结果显示,此方法能够很好地反映滑坡诱发因素对滑坡变形的动态影响,预测的平均绝对误差为1.97%,预测精度较高。     

IBIS-L在滑坡地表变形监测中的应用——以宁南县白水河滑坡为例

IBIS-L是干涉测量、SAR技术及步进频率波的结合体,目前在地表微变形监测中应用非常广泛,但其应用于滑坡形变监测中的实例较少,且缺少统一的监测及数据处理方法。以西南地区白水河滑坡为监测对象,在初步认识该滑坡的地质原型的基础上,利用IBIS-L开展了滑坡地表变形监测。重点介绍了IBIS-L开展滑坡变形监测的过程及数据处理的方法,分析了白水河滑坡在监测期的变形特征。最后将本监测与滑坡变形特征的数值计算结果作了对比,结果显示利用地微变远程监测系统对滑坡开展地表变形监测是可行的。     

基于时间序列分析的滑坡变形动态预测研究

针对以往变形预测模型实用性不足的缺点,基于时间序列分析原理,结合系统论和岩土体流变理论,在深入研究影响滑坡变形的外界主控环境变量的基础上,采用移动平均法和多项式函数对位移时序的趋势项进行抽取和建模,用支持向量机建立起环境主控变量与位移偏离项之间的非线性关系,并根据变形对外界环境响应情况建立起动态预测模型。将此预测思路和方法应用于三峡库区某滑坡,通过实例研究表明：该预测思路和方法合理可行,不但具有较强的建模能力、且有较高的精度,可用于相关的工程实践之中。     

多元逐步回归模型在滑坡变形预测分析中的应用

在滑坡体变形监测数据分析中,引入时效、温度和降雨等作为滑坡体变形的影响因子,应用SPSS软件,采用多元逐步回归算法,建立滑坡变形的统计回归模型.将该模型拟合值与实测值的对比分析,能较好地反映滑坡体的变形规律和发展趋势,并识别影响滑坡变形的主要因素.工程实例表明,该模型的预测精度高于以往其他方法构建的模型,且操作简便.     

基于外因响应的滑坡位移预测模型研究

根据滑坡位移序列的单调性和非线性,将滑坡位移分为趋势项和偏离量,建立曲线回归-BP神经网络模型对滑坡位移进行动态预测。以三峡库区树坪滑坡为例,首先通过曲线回归提取滑坡位移趋势项;然后在选取滑坡位移动态变化影响因子的基础上,建立BP神经网络模型逼近位移偏离量;最后将趋势项和偏离量预测值叠加,得到滑坡位移预测值。结果表明,该模型可更好地反映影响因子动态变化对滑坡位移发展的关键作用,预测的平均相对误差为3.3%,有效地提高了预测结果的精度。     

断面法在滑坡变形分析中的应用

变形分析是滑坡变形监测的一项重要工作.目前应用的滑坡变形分析方法很多,但针对时间序列的单点分析图形多、整体性差,多点等值线分析的图形不够直观,位移分层面分析亦存在不足.文中介绍了断面法分析滑坡变形的原理和方法.断面法用矢量分解和放大位移调制断面,绘制断面分析,弥补了上述分析法的不足.通过在积石峡水电站Ⅰ号滑坡体变形分析中的应用,证实了该方法的可行性.     

以速率为参量的GM(1,1)滑坡时间预报模型研究

以摩擦学和灰色系统为理论基础,建立了以速率为参量的滑坡GM(1,1)时间预报模型,推导出滑坡时间预报公式,结合黄茨滑坡、新滩滑坡进行了预报分析,并与传统的以位移为参量的GM(1,1)、Verhulst预报模型预报结果进行对比。结果表明:以速率为参量的GM(1,1)滑坡预报模型能够提前预报滑坡;与传统的以位移为参量的GM(1,1)相比,预报时间更接近滑坡实际发生时间;与传统的以位移为参量的Verhulst模型相比,以速率为参量的GM(1,1)模型不仅能够提前预报滑坡,而且能够更加准确地反映滑坡的位移变化趋势。因此,建议采用以速率为参量的GM(1,1)滑坡时间预报模型对滑坡进行预报分析。     

改进的灰色马尔科夫模型在大坝变形预测中的应用

针对灰色模型在建模过程中受到随机扰动影响这一问题,利用马尔科夫模型预测波动性数据准确的优势,对灰色模型进行改进,并应用于大坝变形预测计算与分析。结果表明,改进的灰色马尔科夫模型对存在扰动数据的大坝变形预测中,可以获得较好的预测效果,提高预测精度。