共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
为了准确掌握矿山开采面上部地表的沉降变化规律,预测沉降发展趋势,提出一种双曲线法与三点法的组合预测模型进行矿区沉降预测的方法。结合矿山沉降观测实例,采用单一的双曲线法、三点法以及两者的组合预测方法对沉降数据进行预测分析,对比其预测精度。结果表明,组合预测模型能够满足矿区沉降预测的精度要求,且预测精度优于单一预测方法。 相似文献
3.
4.
5.
6.
7.
为探讨变权组合预测模型在沉降预测中的应用,以某大楼实测等时距沉降观测数据为研究对象,根据实测建筑物沉降数据所呈现的规律性,选取Logistic和Gompertz曲线模型对实测沉降数据进行了拟合;求取曲线模型的参数后,建立预测模型并进行预测。在此基础上,利用最小二乘法原理建立变权组合预测模型。根据各模型的预测结果及其计算出的模型精度显示,变权组合预测模型的拟合精度比Logistic和Gompertz曲线的拟合精度高,更适合于作为建筑物的沉降预测模型。 相似文献
8.
变权组合模型在沉降预测中的应用 总被引：4，自引：0，他引：4
为探讨变权组合预测模型在沉降预测中的应用,以某大楼实测等时距沉降观测数据为研究对象,根据实测建筑物沉降数据所呈现的规律性,选取Logistic和Gompertz曲线模型对实测沉降数据进行了拟合;求取曲线模型的参数后,建立预测模型并进行预测.在此基础上,利用最小二乘法原理建立变权组合预测模型.根据各模型的预测结果及其计算出的模型精度显示,变权组合预测模型的拟合精度比Logistic和Gompertz曲线的拟合精度高,更适合于作为建筑物的沉降预测模型. 相似文献
9.
变形监测在建筑物施工和运营管理方面是一个至关重要的环节,变形监测的预测模型有很多。选取适当的变形监测预测模型对于预测建筑物的变形尤为重要。本文运用灰色模型GM(1,1)、BP神经网络和曲线拟合中的修正指数曲线对一幢大楼13期的沉降观测数据进行分析。利用前12期沉降观测数据构建预测模型来预测第13期沉降观测的数据,将预测的结果与实际测量的结果进行比较,得出这三种模型预测的精度。结果表明:在这一幢大楼的沉降观测预测中,修正指数曲线法预测的精度要比灰色模型GM(1,1)和BP神经网络预测的精度高。 相似文献
10.
11.
《现代测绘》2020,(2)
结构变形是一种广泛存在于地铁结构的工程问题,基于现有变形数据选择合适的预测模型对地铁结构变形的发展趋势进行较为准确预测分析对地铁结构的安全运营及维护具有重要意义,也是地铁结构变形监测工作中的一项重要工作。常见的变形预测方法主要有样条曲线拟合、灰色模型、蚁群算法。本文通过介绍"S"形Logistic曲线性质与经典Logistic模型参数估计方法,并利用基于高斯牛顿法的非线性曲线拟合迭代,获取全局最优参数并结合某地区地铁保护区道床沉降监测工程,探讨分析了Logistic预测模型及其预测精度。研究结果表明,Logistic预测模型计算得到的变形趋势与实际工况吻合,模型预测精度较高,对同类型地铁道床沉降预测具有一定参考价值,可为相关工程项目提供参考。 相似文献
12.
13.
预测工后软土地基沉降 总被引：2，自引：0，他引：2
本文简要叙述沉降观测在软土地基施工中的重要性,并提出了基于神经网络的高速公路工后沉降预测方法。结合工程实例运用MATLAB工具箱函数建立网络模型,选择合适的训练函数,使其训练精度和速度达到最优化。 相似文献
14.
为了提升长短时记忆(LSTM)神经网络对深基坑沉降监测数据的预测效果，本文提出一种基于互补集合经验模态分解(CEEMD)、样本熵以及LSTM神经网络的组合基坑沉降预测模型。该组合沉降模型实现基坑沉降变形预测的关键步骤为：首先，使用CEEMD分解算法将基坑沉降序列分解为若干个本征模态函数(IMF);其次，重组相同特征的IMF分量；最后，使用LSTM神经网络预测重组后分量并叠加预测结果。使用某实测基坑数据进行实验，结果显示，本文提出组合预测模型预测结果的均方根误差、平均绝对误差以及平均绝对百分比误差较对比模型均更小，表明本文提出组合预测模型的预测精度更高，具有较好的非线性序列预测效果，为基坑沉降预测提供了一种新方法。 相似文献
15.
16.
宋向荣 《测绘与空间地理信息》2023,(12):177-180
为了对公路路基沉降监测数据进行准确分析,本文依据当前监测数据对未来某段时间的变形趋势进行预测,结合最小二乘支持向量机(Least Square Support Vector Machines, LSSVM)模型与改进的粒子群优化算法(Improved Particle Swarm Optimization, IPSO)在数据预测与参数寻优中的优势,构建新的IPSO-LSSVM组合预测模型。该组合预测模型通过IPSO算法不断优化LSSVM模型中的惩罚因子C与核函数参数σ,避免参数选取随意造成预测精度不高的问题。最后使用实测某公路路基沉降数据对本文提出模型的有效性与优越性进行检验,结果表明,经IPSO算法优化的LSSVM模型预测精度更高,稳定性更好,可为变形预测提供一定参考。 相似文献
17.
18.
19.
20.
以武汉市地铁6号线施工沉降监测为例,利用多种预测模型对第十一标段武胜路站—汉正街站区间的沉降量进行了预测。通过对比分析可知,灰色GM(1,1)模型的拟合值与实地观测趋势大致吻合,但灰色线性回归组合预测模型的拟合效果更好,平均相对误差可达2.564×10~(-3)%。为得到精度更高、鲁棒性更好的预测模型,对灰色线性回归组合预测模型进行了加权优化。结果表明,利用改进模型进行预测的平均相对误差为1.769×10~(-3)%,验证了该模型的可靠性,对地铁施工过程中的安全稳定性评价具有一定的参考价值。 相似文献