共查询到17条相似文献，搜索用时 218 毫秒
1.
2.
基于GM（1，1）的组合灰色模型预测软基沉降 总被引：2，自引：0，他引：2
以灰色系统理论为基础,建立了沉降预测的组合灰色模型,对一般灰色模型具有的无限增长特性进行了改进和修正。在求解过程中,采用spline插值函数对现场观测沉降数据进行插值变换生成等时距序列,并对沉降预测模型的初值进行了优化选择,以提高预测精度。运用MATLAB语言编制模型计算程序,通过沉降预测实例及后验差法检验模型精度,表明沉降预测的组合灰色模型预测精度较高,具有较强的适用性。 相似文献
3.
4.
5.
煤层采动覆岩沉降提前于地表,可作为地表稳定性的预警指标。针对煤层开采引起的覆岩沉降预测问题,采用分布式光纤感测技术,通过制作大柳塔煤矿采动覆岩相似材料试验模型,研究了煤层开采引起的覆岩变形特征,基于灰色理论和Knothe时间函数,建立了基于实测应变的采动覆岩沉降预测模型,探讨了预测精度,并取得了如下研究成果:有关分布式光纤感测技术的覆岩应变分布,准确反映了垮落带和导水裂缝带的发育特征,基于GM(1,1)模型和新陈代谢模型的覆岩沉降预测精度较好但限于短期预测;当相对残差最大值与相对残差和均取最小值时,Knothe时间函数中获得较为准确的参数c值和τ值并提高了预测精度,建立了大柳塔煤层覆岩动态沉降预测模型的表达式,其预测模型适用于覆岩沉降的前期阶段和后期阶段。 相似文献
6.
基于灰色理论建立的传统沉降预测模型均为整数阶,存在不连续、与实测数据差异较大的缺陷。鉴于此,本文以灰色模型为研究对象,通过改变模型中的整数阶微分为分数阶微分来改进灰色模型的预测效果。本模型与传统模型的最大区别在于增加了分数阶阶次的识别,首先结合灰色理论得到无输入的常微分方程;接着对其引入输入项,并将常微分方程做变换得到含分数阶的微分方程;最后将该模型与实测数据进行对比,且与传统灰色理论沉降预测模型进行误差计算,发现本文建立的沉降预测模型可以较好地预测地基沉降。 相似文献
7.
高路堤沉降变形预测模型研究 总被引：5，自引：0，他引：5
以某高等级公路高69 m路堤的沉降资料为研究样本,采用经修正了的非匀速填土和非等步长沉降观测时间的 GM（1,1）灰色理论预测模型进行高路堤工后最终沉降量预测,与等比级数曲线模型预测结果对比,认为这两种预测模型都能很好地预测高路堤工后最终沉降量,且灰色预测模型较等比级数曲线预测模型能更好地反映高路堤不均匀沉降趋势。同时认为考虑了沉降观测时间非等步长性和路堤填土速度不均匀性的灰色预测模型,其预测结果更符合高路堤沉降变形趋势,可进一步的研究、推广和应用。 相似文献
8.
9.
滑坡体位移的不等时距灰色预测 总被引：5，自引：0，他引：5
本文根据需要,提出了不等时距的灰色预测GM(1,1)模型,它克服了等时距GM(1,1)预测模型要求原始数据列连续的缺陷。用提出的模型对碧口水电站右坝肩滑坡体从1982年到1989年(1987年空缺)的实际观测资料进行预测,所得结果与实测值误差均在5 mm以下,并用此模型预测了1990年到2005年三个监测点的水平位移年平均累计值及相应的年均速率,指出了该滑坡体可能滑动的年限,为工程实际提供依据,具有重要的意义。 相似文献
10.
11.
全过程沉降量预测的Logistic生长模型及其适用性研究 总被引：10，自引：0，他引：10
地基的全过程沉降量与时间的关系呈S形曲线,可用Logistic生长模型来描述。目前应用的Logistic生长模型,较少考虑模型的适用范围和预测精度等问题。结合工程实例,比较了模型参数估计的三种方法,研究结果表明,采用非线性回归法估计模型参数,可取得较好的预测效果;根据混沌理论,研究了模型的适用范围和预测性能。Logistic生长模型的动态行为由参数a(瞬时沉降速率)决定,当参数a的取值范围在[0, 2]之内,该模型预测的最终沉降量是稳定的。 相似文献
12.
全过程沉降量预测的Logistic生长模型及适用性研究 总被引：8，自引：0，他引：8
地基的全过程沉降量与时间的关系呈S形曲线，可用Logistic生长模型来描述。目前应用的Logistic生长模型，较少考虑模型的适用范围和预测精度等问题。结合工程实例，比较了模型参数估计的三种方法，研究结果表明，采用非线性回归法估计模型参数，可取得较好的预测效果；根据混沌理论，研究了模型的适用范围和预测性能。Logistic生长模型的动态行为由参数α(瞬时沉降速率)决定，当参数α的取值范围在[0，2]之内，该模型预测的最终沉降量是稳定的。 相似文献
13.
14.
为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。 相似文献
15.
16.
小波分析和RBF神经网络在地基沉降预测中的应用研究 总被引：4，自引：2，他引：2
地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与RBF神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数（RBF）神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次B样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。 相似文献
17.
基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以PSO-BP神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现：二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用PSO-BP神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明：优化后的PSO-BP神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。 相似文献