改进的GM(1,1)模型在变形监测数据处理中的应用

在高层建筑等工程应用中,沉降监测是必不可少的,采用合理的预测方法,预测建筑物的变形对于工程建设具有重要意义.该文以某高层建筑物沉降监测数据为例,对灰色系统模型、新陈代谢灰色系统模型和改变背景值的新陈代谢灰色系统模型等方法预测精度进行了对比分析,从而得出了背景值最优化的新陈代谢GM(1,1)模型预测精度最好.表明该模型可适用于高层建筑物的沉降预测,且具有实际应用价值.     

基于Kalman滤波的灰色神经网络模型的应用

文中提出了结合Kalman滤波、灰色模型和BP神经网络模型对测量数据进行模拟和预测,并通过实例表明,基于Kalman滤波的灰色BP网络模型可以对数据序列进行模拟和预测,并在一定程度上较好地反映了数据序列的走势和变化。     

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。     

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.     

灰色模型在建筑物变形分析中的应用

该文较详细地介绍了灰色预测模型及其修正模型的基本内容和建模思想。探讨灰色系统理论的GM(1,1)模型和GM(1,1)残差修正模型应用于建筑物变形数据分析,基于MATLAB软件编写了相应的灰色系统预测程序,结合真实数据进行变形预测比较和检验,充分证实了在建筑物变形分析中应用灰色预测方法的可行性。     

灰色预测模型在基坑变形中的应用

基于基坑监测变形值具有一定的灰色特征,利用灰色系统理论建立了基坑监测变形值的等步长与非等步长GM（1,1）预测模型。通过对某基坑桩顶位移变形数据的预测,表明了灰色预测模型在基坑变形监测中具有较好的可行性及可靠性。     

稳健灰色模型在建筑物沉降监测中的应用

该文提出了稳健灰色模型,并将其应用于某建筑物沉降的预测。结果表明,稳健GM(1,1)模型比常规GM(1,1)模型具有更好的抗干扰性能和受异常点影响小的优点,更具有预测应用价值。同时还编写了计算机程序对灰色预测过程进行电脑处理,大大减少了工作量。     

灰色GM(0,N)模型在矿区地表沉降监测中的应用

在地表沉降监测中,监测点由于下沉导致被地表水淹没,从而无法对该监测点进行沉降观测。为了明确该监测点随着地下采动的地表标高,本文依据灰色GM(0,N)模型,将该监测点与其周围监测点建立多点沉降模型,通过其周围监测点地表标高预计出该监测点的地表标高。     

灰色理论在隧道洞口边坡变形预测中的应用

利用GM(1,1)模型、残差GM(1,1)模型及新陈代谢模型,对洞口边坡变形位移进行了预测,并对结果进行对比分析.文章可为日后同类工程的设计、施工和监测提供有益的借鉴.     

灰色理论和神经网络在工广变形监测的应用

为提高数学模型在工广地表移动变形监测及规律中预测的准确性,采用了GM(1,1)灰色系统模型和BP神经网络模型的数值处理方法.对比了两种模型在预测工广地表沉降中的有效性和精确性,为提高信息预测的精度和自动化以及管理的现代化水平有着积极的意义.     

GM-AR模型在变形监测数据处理中的应用

随着现代工程建筑物规模扩大和建设难度的增加,如何科学、准确、实时地监测和预测建筑物的变形就显得尤为重要。该文以某建筑物沉降监测数据为例,在分析了GM模型和AR模型的特点和适用范围基础上,利用GM模型提取变形数据的趋势项,然后利用AR模型分析随机项,实验结果表明,组合后的GM-AR模型预测结果更为可靠、准确。     

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.     

基于灰色理论和BP神经网络的多绳摩擦提升机钢丝绳张力不平衡预测

对多绳摩擦提升机钢丝绳张力不平衡进行预测和预警,既有利于保证生产安全,又能节约成本,合理安排生产计划。提出了新陈代谢GM(1,1)灰色模型和BP神经网络相结合的混合模型,对钢丝绳张力不平衡程度进行预测。试验结果证明了该模型的有效性,为钢丝绳张力不平衡预测研究提供参考依据。     

动态灰色模型在卫星钟差预报中的应用及精度分析

在GPS实时精密单点定位中,卫星钟差的实时可靠预报是实现GPS实时高精度单点定位的关键之一。在探讨了二次多项式模型和灰色模型对钟差预报的局限性的基础上,从而将动态灰色模型用于钟差预报。动态灰色模型是不断地剔除早期信息并加入新信息,因此提高了预测区间的白度,使预报的精度明显提高。该文采用动态灰色模型建模,并与二次多项式模型和单一GM(1,1)模型进行对比,经实例分析得出动态灰色模型可以有效地提高卫星钟差预报的精度。     

基于灰色神经网络的矿井涌水量预测

针对矿井涌水系统的复杂性和随机性,提出采用神经网络修正灰色残差模型对矿井涌水量进行预测,既利用GM(1,1)模型能较好预测涌水量发展趋势的特点,又利用神经网络对于复杂非线性系统的优越性,保证了模型的精度,克服了单个模型所存在的不足。结果表明,该模型方法在矿井涌水量的预测中是可行的。     

神经网络模型在大坝位移分析中的应用

大坝变形监测是大坝安全监测中最重要的项目之一.由于大坝变形受到各种外界因素的影响,变形情况非常复杂,预测的准确性对大坝的安全评估起着重要作用.因此,对大坝变形分析预报方法的选择显得尤为重要.该文介绍了统计模型和神经网络模型,提出将BP神经网络方法与统计方法结合的方法.用这两种方法对某大坝位移监测数据进行分析,并对未来变...     

变形监测数据管理系统初步研究

基于关系模式下的变形监测数据库设计思想,对传统变形监测数据库的基本库进行范式设计,开发了变形监测数据管理系统(DMDPS),并以同鑫花园基坑监测数据为例进行系统演示,验证了该系统的可行性及存在问题。     

基于灰色神经网络预测青东矿10煤层底板破坏深度

传统的预测底板破坏深度方法主要有力学及数理统计、定性比较分析等,然而这些方法的预测值往往达不到预期的效果或与实际值差距较大。通过对比检验样本的预测误差可得出基于灰色理论的神经网络预测模型的精度高于BP神经网络的预测结果。故此次选用灰色理论与神经网络相结合的方法建立模型预测青东矿104采区10煤底板破坏深度,预测结果为16.86m。