共查询到20条相似文献，搜索用时 375 毫秒
1.
2.
3.
4.
提出一种基于灰色时间序列分析的建筑物变形预报方法。对建筑物变形观测数据进行累加,削弱其随机扰动的影响。通过增强建筑物变形观测数据规律性,达到提高时间序列分析预报模型精度的目的。实测数据分析表明,该方法能够有效提高变形预报的精度与可靠性。 相似文献
5.
6.
7.
以建筑物的安全运营为首要目的,结合全球导航卫星系统高精度定位监测技术,采用事后处理软件解算监测点的三维坐标。本文分别利用加权移动平均法和曲线拟合法处理原始沉降观测数据,分析建筑物沉降变形规律,通过建立相应预测模型拟合数据,将实测值与拟合值作对比,详细论述模型精度及拟合程度,并对建筑物后期变形趋势进行预报分析。试验分析表明,2个预测模型的拟合值符合建筑物的沉降变形规律,验证了模型在沉降监测应用中的有效性及可行性。 相似文献
8.
9.
在施工过程中,建筑物不可避免地会产生一定的水平位移、倾斜位移、沉降位移、挠度和裂缝,严重者甚至会危及建筑物的安全,造成重大的经济损失。因此,基坑的变形监测与预报是建筑施工中不可或缺的重要环节。本文通过具体案例详细介绍了基坑变形监测的设计、点位的布设、观测及观测频次、数据处理及数据分析等内容,并介绍了基坑变形监测的特点,为今后类似的工程项目提供借鉴。 相似文献
10.
建筑物、大型工程结构、边坡等受到内在与外在的复杂因素影响下,产生不同程度的变形.通过变形监测及变形数据分析,可及时、准确地掌握形变过程信息.变形特征提取与分析是变形数据处理的核心内容之一,是建筑物与工程结构精确健康监测、预报预警的关键,是变形灾害防治的重要理论与实践基础.由于变形体变形过程及变形数据采集过程中受到多种不确定性环境因素与人为因素的影响,变形数据具有显著的非线性、非平稳、高噪声和多尺度等特点,导致传统的变形数据分析方法存在诸多不足之处. 相似文献
11.
12.
工程的变形分析与预报方法研究进展 总被引：7，自引：2，他引：7
工种的 变形分析和预报是多学科交叉的重要研究课题，结合近年来的科研实践，从大地和工程测量学的角度出发，简要地论述了与工程有关的变形分析与预报的各种方法。 相似文献
13.
针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法（IBA）优化极限学习机（ELM）的大坝变形预测模型（IBA-ELM）。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。 相似文献
14.
通过对时间序列模型及其特性进行分析,运用序列间协整关系,实现同一变形体不同变形监测数据序列之间的联系,提取出平稳的、可用于变形预测分析的信息,建立适用于实际工程的ARIMAX动态预测模型,并通过工程实例验证预测模型的优化性、有效性与可行性。 相似文献
15.
在实际校正土木工程结构变形测量误差时,存在冗余误差信息干扰,导致最终校正误差数值过小,针对这一不足,研究一种土木工程结构变形测量误差校正方法。计算工程结构沉降系数,预测测量误差,采用一个抗干扰能力较好的最小平方距离相关函数,消除冗余信息干扰,建立误差校正模型,完成校正方法的研究。实验制造工程结构构件,模拟工程测量环境,与两种传统校正方法进行对比实验,结果表明:与传统误差校正方法相比,文中校正方法的校正数值更大。 相似文献
16.
针对混凝土拱坝单测点变形监控模型难以合理表征拱坝空间变形场协同响应特性以及传统回归方法诠释环境量与大坝变形间的复杂函数关系具有明显局限性问题,提出了融合粒子群算法优化与支持向量机（particle swarm optimization-support vector machine,PSO-SVM）的混凝土拱坝多测点变形监控混合模型。基于单测点变形监控模型构建方法,引入空间坐标并利用有限元方法计算水压分量,进而借助PSO-SVM良好的非线性处理能力对环境量与大坝变形序列进行建模和预测,从而构建了融合PSO-SVM的混凝土拱坝多测点混合模型。工程实例分析表明,所建模型具有较好的多测点变形性能分析能力,较单测点统计模型具有良好的拟合及预报精度,可有效反映大坝服役的整体安全性态。此外,所提理论和方法经一定的改进和拓展,亦可推广应用于其他水工建筑物性态安全监控模型的预报分析。 相似文献
17.
针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。 相似文献
18.
19.
20.
以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。 相似文献