共查询到20条相似文献,搜索用时 859 毫秒
1.
2.
3.
为实现各种预测模型的优势互补,提高沉降预测精度,分析单项沉降预测模型各自的特点,将组合预测方法应用到高速铁路沉降变形预测分析中;介绍组合预测基本方法和常用的定权方法,提出模型建立的步骤和具体原则,研究出一种变权最优预测的方法。通过工程实例验证表明,该组合方法预测精度较高,拟合能力更强,可作为高速铁路的沉降预测模型。 相似文献
4.
最优权组合预测法在采煤沉陷变形预测中的应用 总被引:1,自引:0,他引:1
煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开,基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想,以非等间隔灰色预测模型与BP神经网络模型为预测单模型,以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源,以最优加权法对单模型预测结果开展了最优权组合,组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价,结果表明:3种预测模型精度均达到了一级。经对比3种模型预测结果,最优权组合预测的模型精度较单模型明显提升,预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。 相似文献
5.
6.
针对神经网络等模型在时间、荷载等综合因素影响下预测精度不高的问题,提出将模糊聚类循环迭代模型应用于沉降预报,根据前期经验数据对后期沉降趋势进行模拟,引用平均相对误差、均方根误差分别衡量总体精度和偏差;经验证模型精度优于BP神经网络和支持向量机等3种方法。结果表明:基于模糊聚类循环迭代模型适用于多因素影响下的煤仓沉降预测,新沉降预测模型应用也将为工程设计应用提供更多参考。 相似文献
7.
陈荣 《测绘与空间地理信息》2021,44(8):217-221
高程建筑作为城市建筑的重要组成部分,其沉降监测尤为重要.使用回归分析、灰色理论分析、指数平滑三种方法,对三个不同类型的高层建筑进行沉降预测,对比各类模型的使用情况.结果表明,含有载荷参数的回归模型内符合精度较高,达到0.157 mm;不含荷载参数的α=0.9时的一次指数平滑模型外符合精度较高,达到0.390 mm. 相似文献
8.
9.
针对地铁通风井深基坑工程的沉降数据扰动因子多、传统灰色模型预测效果差的不足,本文以DGM(1,1)模型为基础,利用弱化缓冲算子能够有效地处理含有扰动因素的原始监测数据的优势,较好地改善了基础模型的预测精度。本文在系统分析弱化缓冲算子对DGM(1,1)预测修正过程的基础上,选用3种弱化缓冲算子对风井基坑周围的地表监测点D2和给水管线监测点S2进行沉降量预测的对比分析。工程实例分析表明:平均弱化缓冲算子修正后的DGM(1,1)模型具有较高的预测精度,可以用于工程中的沉降预测。 相似文献
10.
11.
12.
城市地面沉降已经成为城市发展的严重制约因素,很多城市都在积极采取控制沉降的措施.地面沉降趋势的预测可为地面沉降防控提供数据参考.本文基于天津某地区沉降监测数据,采用灰色理论建立GM(1,1)模型对沉降趋势进行预测.结果 显示,利用灰色模型预测地面沉降具有较高的精度,能够在地面沉降的预测研究中发挥作用. 相似文献
13.
地面沉降是一个复杂的过程,较难建立准确的预测模型。传统灰色模型不能处理沉降观测值序列中的异常点,对于波动大的原始数列也没有精确预测,针对其背景值取值方法的不足,建立一种精化灰色模型(JGM(1,1)模型),分析预测结果和精度,表明该模型具有较高的预测精度和可靠性。 相似文献
14.
15.
选取某一基坑沉降监测点,该点11个周期的累计沉降量为近似非齐次指数增长序列,以Java为工具对该点进行编程计算,得到GM(1,1)、DGM(1,1)、间接DGM(1,1)3种模型的基坑沉降预测结果。对比分析发现,间接DGM(1,1)模型精度高于GM(1,1)和DGM(1,1)模型,其C值仅为0.01,且残差值增加缓慢,近似于一条水平线,实测值与预测值非常接近,适用范围广,弥补了另两种模型不能进行长期预测的缺憾。 相似文献
16.
17.
针对传统组合模型建模准则单一、权值固定不变的缺陷,引入稳定度相关理论,构建一种新的最优组合预测模型,并对优性组合的评判方法以及预测成果的评价准则进行了研究.该模型的核心思想是依据单一模型建模阶段和预测阶段精度的一致性来赋予权值.分别利用组合模型、时间序列模型以及神经网络模型对地铁隧道结构的沉降量进行预测,并分析比较各自的预测结果.结果表明组合模型相对于各单一模型而言,预测效果更优、精度更高,能很好地集合单一模型的有效信息,是一种有效的地铁隧道结构沉降预测模型. 相似文献
18.
在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。 相似文献
19.