共查询到17条相似文献，搜索用时 357 毫秒
1.
2.
针对沈阳地铁一号线重工街站至启工街站区间隧道开挖引发地面沉降变形的问题,利用现场实测的地表沉降变形数据建立BP神经网络模型,并进行网络训练与预测。预测结果表明,时间序列神经网络模型能够很好地表达地面沉降监测数据序列间的非线性关系。利用BP神经网络建立的预测模型,所得预测值与实测值拟合很好,是预测地铁施工引发地面沉降变形的一种有效方法,能为沈阳地铁隧道的设计及施工提供科学合理的依据。 相似文献
3.
改进的灰色预测模型在地面沉降预测中的应用 总被引：7，自引：0，他引：7
在地面沉降这一复杂系统中,既含有已知的又古有未知的或非确定的信息,可以作为一个灰色系统来研究.本文针对地面沉降的下沉曲线非线性特征,提出用一种基于残差灰色预测模型对地面沉降量时间序列进行研究.结果表明,通过改进后的灰色预测模型,预测精度得到了提高,在沉降量比较大和水准点比较稀少的地区,利用此模型预测地面沉降可减少地面沉降监测经费,并能实时提供地面沉降预警信息. 相似文献
4.
径向基神经网络在地面沉降预测中的应用 总被引：1，自引：0，他引：1
基于MATLAB6.5平台编程,利用前四年的沉降量作为输入神经元,后一年的沉降量作为输出神经元,重复此过程,构建了上海高桥地区地面沉降预测径向基神经网络.以历史沉降数据为训练样本,并对其进行归一化处理,在此基础上,采用未归一化及归一化后的训练样本进行网络训练与检验.结果表明,归一化后的训练样本训练得到的径向基网络具有良好的预测性能.最后利用该网络对1990-2010年的地面沉降量进行了预测. 相似文献
5.
针对现有城市地面沉降预测方法过度依赖沉降数据、模型单一等问题,以云南省昆明市主城区为研究对象,从多时序多因子角度提出一种改进BP神经网络在城市地面沉降中的预测方法。首先,利用SBAS-InSAR技术获取主城区地面沉降监测值,然后通过SPSSAU软件中的灰色关联分析和因子分析选取主城区地面沉降的影响因子,并将其与获取的沉降监测值从多因子多时序角度构建GA-BP和PSO-BP预测模型,最后,得出最优的预测模型并进行预测性能验证。实验结果表明：利用SBAS-InSAR能有效监测城市地面沉降;GA-BP算法相比PSO-BP算法在城市地面沉降预测中性能更好、精度更高;该方法可对长时间、大范围城市地面沉降预测和对某一沉降点多期沉降趋势进行预测。该方法可作为城市地面沉降预测的有效手段,为政府部门决策提供了一种高效快速的方法。 相似文献
6.
区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。 相似文献
7.
沉降现象在各地区普遍发生,地面沉降量预测越来越受到重视。本文通过结合灰色(GM(1,1))预测模型和支持向量机(SVM)模型各自的优点,建立灰色支持向量机(GM(1,1)-SVM)残差修正模型,在突出时间序列发展趋势影响的同时降低序列中异常值的消极作用。以某高层建筑的18次地面沉降量数据为实例,检验GM(1,1)-SVM模型的预测效果。结果表明:相对单一的GM(1,1)沉降量预测模型,GM(1,1)-SVM模型相对误差小,预测精度高,对地面沉降量预测有一定指导意义。 相似文献
8.
BP神经网络-灰色系统联合模型预测软基沉降量 总被引：24，自引：1，他引：23
目前软基沉降预测多采用指数曲线和双曲线延伸法,其结果不够理想,神经网络在此方面的运用也存在一定的局限,虽然GM(1,1)模型在软基沉降预测领域已得到运用,但在已有的案例中所使用的等时距模型都没有明确说明所采用的插值方法。以深圳湾西部通道填海软基沉降预测分析为例,建立BP神经网络-灰色系统联合模型来探讨解决这一问题的方法。采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,在此基础上建立沉降变形时间序列的GM模型,并建立相应的时间响应函数,预测沉降量。计算实例表明,该模型短期沉降预测结果比较准确,其最终沉降预测结果具有一定的工程参考价值。 相似文献
9.
基于神经网络的混沌时间序列预测 总被引：8，自引：0，他引：8
应用混沌方法对时间序列观测数据进行处理,计算出最大lyapunov指数,得到最大可预报时间尺度。在此基础上,建立人工神经网络预测预报混沌时间序列的模型。结合实例,对该预测方法进行了计算验证。 相似文献
10.
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
11.
为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快. 相似文献
12.
岩溶地面塌陷神经网络预测 总被引：10，自引：1，他引：10
应用神经网络理论的原理 ,通过对收集到的岩溶地面塌陷实例进行学习 ,建立了岩溶地面塌陷评价及预测模型 ,对某市岩溶地面塌陷进行预测。结果表明 ,神经网络方法具有精度高、收敛速度快、容错能力强等特点 ,在岩溶地面塌陷研究中具有广阔的应用前景 相似文献
13.
地面沉降是目前常见的地质灾害之一,其长期的积累给城市带来巨大的经济损失,成为制约城市发展的主要因素。进入20世纪90年代以来,工程环境效应诱发的沉降已经成为上海地面沉降的新趋势,对于外荷载引起的地面沉降过程而言,影响因素较多,既无法用明确的数学关系式表达,又非黑箱那样内部结构、参数和特征一无所知,因此可将灰色预测理论应用于地面沉降的预测。针对监测和观测时间的非等时性,本文应用非等时距灰色理论模型对上海陆家嘴地区某高层建筑的沉降进行预测,并和实际监测沉降量进行了比较;对室内模型试验进行沉降预测,并和实验观测数据以及自适应神经网络系统(ANFIS)预测结果进行了比较。研究发现,对于工程环境效应引起的地面沉降,应用非等时距灰色理论模型进行沉降预测是可行、精确的。 相似文献
14.
15.
16.
在简要介绍表征系统混沌特征常用方法的基础上,认为混沌理论在水科学中的应用主要集中在水文时间序列性质的判定和非线性预测模型研究上,并就这两方面的国内外研究进展进行了综述。通过对其应用中存在的主要问题:延迟时间的确定、数据量大小、噪声等进行分析和讨论,认为水科学问题中混沌的假设是合理的。但对于任何有限长度和受噪声干扰的时间序列来说,严格判定其相空间是确定性系统还是随机系统几乎是不可能的,纯粹的混沌和纯粹的随机都只是数学上的一种理想状态。因此,对于所研究的水科学问题是否存在混沌现象,仅采用单一的方法所取得的结论,不能作为判定依据,而仅表明可能存在混沌特征。所以有必要采用多种研究方法,综合刻划某一水科学问题中的混沌迹象,判定该序列是以混沌成分为主还是以随机性成分为主。提出分形上的混沌动力系统以及混沌与神经网络相结合的方法,可为水科学问题的研究能提供一些新的思路。 相似文献