共查询到20条相似文献，搜索用时 425 毫秒
1.
2.
3.
4.
《测绘科学技术学报》2020,(1)
针对沉降预测模型的重要参数难以选取问题,考虑观测数据中含有噪声的影响,提出了利用Vondrak滤波优化Richards曲线的沉降预测方法。为了使预测值更加逼近实测值,选择以Richards曲线为基础模型进行改进,优化模型的沉降初始值和沉降极限值参数。利用Vondrak滤波对实测沉降数据进行平滑处理,减弱观测值中噪声的影响,为模型构建提供更加合理的参考数据。将Fminsearch函数计算结果作为参数迭代初始值,联合逐步回归分析法求得预测模型的最优参数。通过对比实验分析发现,改进方法的预测精度达到了±0.124 mm,与未加改进的预测方法相比,精度得到了较大提高。研究结果表明,利用Vondrak滤波优化的沉降预测方法能够提高精度,同时验证了改进方法的有效性。 相似文献
5.
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
6.
7.
为了提高单一的BP(Back Propagation)神经网络模型在建筑物基坑沉降数据预测中的精度,本文将奇异谱分析(SSA,Singular Spectrum Analysis)与卡尔曼滤波(KF, Kalman Filter)引入预测模型中,构建基于SSA的KF-BP神经网络预测模型。该组合预测模型首先利用SSA将原始时间序列中的趋势项与周期项提取出来;其次通过KF-BP神经网络模型分别对趋势项与周期项进行预测;最后重构趋势项预测结果与周期项预测结果,得到最终预测结果。将本文提出的基于SSA的组合预测模型应用于建筑物基坑沉降监测数据预测中,结果表明,本文提出的预测模型较BP神经网络模型、KF-BP神经网络模型的整体预测精度更高,预测结果更加稳定。 相似文献
8.
由于传统卡尔曼滤波处理实时动态数据中所建立的数学模型不精确或动态噪声特性不准确,导致状态估计失真,甚至导致滤波发散的现象。为了提高高层建筑物沉降监测实时预测的准确性与可靠性,克服传统卡尔曼滤波进行沉降预测中噪声的不足,本文采用方差补偿自适应卡尔曼滤波理论进行分析预测,并通过实测数据对比分析,验证了方差补偿自适应卡尔曼滤滤波理论进行沉降预测的可行性,且预测精度较高。 相似文献
9.
基坑地表沉降预测是城市化进程中的难点问题,由于地表沉降的影响因素众多,使用单一模型预测难度较大.提出一种基于傅里叶级数残差修正的TDGM(1,1)模型(线性时变参数离散灰色模型),利用TDGM(1,1)模型对前期沉降数据进行建模,得到初始预测值和残差后,利用傅里叶级数对残差进行修正,以此修正预测结果.分析对比2组实验,结果表明,改进模型能够有效提高地表沉降预测精度. 相似文献
10.
建筑物变形监测数据呈现出典型的时变、非平稳和小样本特征,导致传统单一模型难以获得满意的预测精度。针对该问题,本文提出将卡尔曼滤波与灰色模型结合构建一种组合预测模型。首先利用卡尔曼滤波对原始监测数据进行平滑滤波,对数据中所含随机干扰误差进行动态抑制;之后利用灰色模型拟合数据中隐含的变形趋势信息,从而在小样本情况下获得较长时间的预测能力。基于实际建筑物变形数据开展试验,结果表明：与传统小波分析、灰色模型相比,该方法的预测精度明显提升,并且在小样本情况下具有更高的稳健性。 相似文献
11.
12.
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
13.
危来龙 《测绘与空间地理信息》2013,(10):241-244
为解决地铁施工段地表沉降随机波动较大对预测模型造成扰动的问题,提出了一种组合预测模型。首先利用Mallat算法对沉降序列进行分解和重构,分解并重构出非平稳时间序列中的平滑分量和细节分量;然后,对平滑分量用灰色模型进行拟合与初步预测,对细节分量则引入马尔可夫模型进行预测;最后,将各模型的预测结果进行叠加,从而得到原始沉降序列的预测值。该方法能充分拟合平滑分量数据,而且可避免对细节分量的过拟合,防止随机波动较大值造成模型的整体偏离。通过实例验算得出该模型具有很好的预测精度。 相似文献
14.
近年来,我国城市建设迅速发展,路面交通不堪重负,发展地下交通成为一种趋势,由此引发的地表沉降是值得我们重视的问题。以河南省某市市民文化服务区地下交通工程为例,进行了小波去噪及灰色时序模型的研究。针对观测数据中存在的粗差,采用多种小波模型进行探测、剔除工作。在此基础上建立灰色预测模型、时间序列预测模型以及两者的组合模型。结果表明灰色模型对于波动性数据处理效果不佳,而时间序列模型短期预报比较精确,组合模型能够兼顾数据的波动性和趋势性,预测精度最高,能够满足地铁区间隧道地表变形精度要求。 相似文献
15.
16.
《测绘与空间地理信息》2020,(7)
结合青岛某工程大厦实测数据,提出了基于小波去噪的改进灰色-马尔柯夫组合模型,对建筑物进行沉降预测。首先,采用小波变换理论对数据进行小波去噪;然后,利用Matlab建立新陈代谢灰色模型,并对去噪数据进行沉降预测;最后,将新陈代谢灰色模型得到的相关预测值划分为不同的状态区间,再利用马尔科夫模型来确定最终的沉降预测值。结果表明,组合模型的预测精度和预测结果要优于其他两个模型,且其稳定性和可靠性都有很大提高。 相似文献
17.
针对传统大地测量技术难以实施大范围矿区形变监测以及传统开采沉陷预测方法在实际应用中存在的不足，提出时序合成孔径雷达干涉测量(InSAR)和改进的离散灰色马尔科夫模型相结合的方法对矿区地表形变进行监测和预测。使用鄂尔多斯市某矿区哨兵1号(Sentinel-1)数据提取地表形变监测结果，并与同时期的全球定位系统(GPS)监测数据进行对比。将沉陷监测结果作为原始序列建立残差修正的离散灰色马尔科夫模型，预测矿区沉降。研究结果表明：研究区域地表形变明显，残差修正的离散灰色马尔科夫模型能较为准确地预测矿区沉降结果。 相似文献
18.
19.
为了确保地铁隧道主体结构和周边环境安全,必须对地铁隧道结构进行沉降监测,对监测数据进行及时分析与反馈,并对以后的沉降情况作出预测,对防止事故发生有着重要的现实意义。本文结合灰色系统理论和支持向量机(SVM)的基本原理,采用滚动预测的方式建立灰色支持向量机沉降预测模型,以提高沉降预测精度。通过工程实例的预测结果对比表明,组合模型与灰色和SVM两个单独预测模型相比能够更准确的反映实际的沉降过程,具有很大的应用价值。 相似文献