共查询到18条相似文献，搜索用时 171 毫秒
1.
本文在详细介绍时间序列预测原理、基本模型及预测步骤的基础上,选取新田长江大桥锚碇基坑工程施工过程中的基坑位移和危岩裂缝变形实测数据,运用时间序列法建立自回归滑动平均模型(ARMA),对施工过程中的基坑位移和危岩裂缝变形趋势进行预测,并将模型预测数据与实际监测数据进行对比。结果表明:ARMA模型可以通过差分算法很好地解决数据不稳定性问题,在预测周期较短时预测精度较高;随着预测周期的增加,ARMA模型的预测精度有所降低,其原因是由于随着预报步长的增加,预报所依赖的历史数据在减少;在建立ARMA模型时,定期加入新的数据,可以避免预测周期过长导致预测精度降低。本文的研究成果可以为今后类似工程的监测预报研究参考依据。 相似文献
2.
《岩土力学》2020,(Z1)
软土地区的地铁车站基坑工程,因其地质条件和施工环境复杂,施工过程受到施工自身及诸多外界因素的干扰,其变形真实数据难以获取,无法准确判定基坑后期变形,施工事故风险控制难度大,极大影响着基坑工程自身及其周边环境安全。基于小波变换和Elman网络的数据分析与动态预测原理,构建一种小波智能的基坑变形时序预测模型(简称WEPM),应用于武汉地铁车站基坑工程预测,通过不断地对历史实测数据进行小波分解去噪,提取基坑变形真实数据,利用小波智能模型实现基坑变形的超前滚动式预测。分析结果表明,提出的小波网络预测模型具有泛化能力强、预测精度高的特点,能对不同条件下基坑变形进行时序预测分析,该模型可为未来武汉基坑工程的变形预测、施工安全与施工事故防范提供依据。 相似文献
3.
基于小波变换和GALSSVM的边坡位移预测 总被引：1，自引：0，他引：1
边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程,用现有的物理模型来解决边坡变形的预测问题有很大难度。大量的研究工作表明,用实测的边坡位移时间序列来预测边坡未来变形更为准确,而将多种方法组合起来进行预测成为研究的主要趋势。在此基础上,建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型。首先利用小波变换将边坡时间序列分解为低频分量和高频分量,然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构,再根据各个相空间的特点建立相应的GALSSVM预测模型,最后把各分量的预测结果进行小波重构,重构后的结果即为最终的边坡位移预测结果。对丹巴滑坡预测研究表明,这种新的预测模型具有较高的预测精度,可以应用于实际工程 相似文献
4.
隧道围岩压力的神经网络时间序列分析 总被引：2，自引：0，他引：2
围岩压力是隧道开挖后重要的反馈信息之一,受不确定性因素影响,围岩压力监测数据是一个不平稳的时间序列,包括趋势项和随机项。采用BP网络对不平稳时间序列进行数据拟合,处理趋势部分,利用ARMA模型处理随机部分。结合累进算法,对浙江某新建隧道围岩压力进行时间序列预测。结果表明该方法具有较高的预测精度,最大相对误差为3.73%,能够应用于工程实际当中。 相似文献
5.
地下水系统是一个复杂的随机系统,降水、灌溉等可视为系统的输入,而地下水位则可视作系统的输出。地下水位是一随机动态数据序列,在年际间具有明显的周期性变化。基于此,提出了一种用于描述和分析具有周期性变化的时间序列的新的组合模型一多层梯阶组合模型,该模型是由多层梯阶模型及自回归滑动平均(ARMA)模型构成。在建模中,将原序列分解为年均值、年度变幅和残差三个子序列。针对前两个子序列的时变特征,可采用多层梯阶模型进行模拟,残差序列则可用ARMA模型描述。本文采用这种新的组合模型对区域地下水位动态进行了预报,结果表明预测效果较好。 相似文献
6.
灰色-进化神经网络模型在深埋隧道围岩变形预测中的应用 总被引：4，自引：0，他引：4
由于深埋隧道围岩的变形受到构造、应力场、地下水、开挖方式等复杂因素的综合影响,具有位移时间序列的单调增长的特殊性和非线性,运用响应成分模型将隧道围岩位移量分解成具有确定性的趋势项和具有不确定性的随机项。建立灰色–进化神经网络模型对趋势项和随机项进行预测,既结合GM（1,1）模型较好预测序列增长趋势的特点,又结合神经网络利用自适应实现网络总体误差最小的特点,进而解决了单一利用GM（1,1）模型时预测值的随机偏离量较大的问题,保证了预测的精度。将该模型应用于基于实测位移资料的堡镇隧道围岩水平收敛位移短期预测,较好地揭示了隧道围岩收敛位移演化的规律,为合理选取二次衬砌时机提供了参考。 相似文献
7.
基坑变形是一个动态的相互依存的过程。在基坑开挖与施工过程中,可用灰色理论GM(1,1)与时间序列AR组合模型预测其变形发展。灰色模型预测发展趋势,时间序列预测其随机部分。根据某时间序列变形观测值分别建立灰色与时间序列预测模型,并随着新数据的加入适时修改模型参数。工程实例研究表明:用组合模型预测变形值,其误差大多数情况下小于5%;在数据较少或变形数据变化较大时,组合模型预测值明显优于单一模型预测值。但在数据较多且变化平稳时,用单一的灰色模型与灰色时间序列组合模型预测误差相差不大。预测步数越多,则预测精度越低。 相似文献
8.
为合理评价基坑施工过程的变形规律,以其变形监测成果为基础,先通过双树复小波实现其变形数据的滤波处理,再通过GWO-RVM模型、Arima模型及混沌理论实现其分项组合预测。实例分析表明,双树复小波可将基坑变形数据有效分解为趋势项分量和误差项分量,并通过模型参数优化处理,可进一步提高分解效果,较传统小波具有更强的滤波能力;同时,各类分项预测模型在不同变形分量中的适用性也较强,所得组合预测结果的平均相对误差在2%左右,明显优于传统预测模型,验证了组合预测思路在基坑变形预测中的适用性,为基坑变形发展规律研究提供了一种新的思路。 相似文献
9.
基于免疫RBF神经网络的深基坑施工变形预测 总被引：2，自引：0，他引：2
基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过现场量测的深基坑围护结构变形信息资料,对实测数据进行整理和分析,利用神经网络对支护结构的变形作出预测,以保证基坑安全施工。研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度,将人工免疫RBF神经网络应用于时间序列预测中,工程实例计算证明了算法的有效性和可行性,为时间序列预测提供了一种新途径。 相似文献
10.
深基坑施工时地表沉降预测的时序-投影寻踪回归模型 总被引：1，自引：0，他引：1
为了保证施工的正常进行、实现信息化施工,必须对基坑实际监测数据进行分析与预测。现有的趋势时间序列分析方法很难满足实际施工中高度非线性问题的拟合,预测误差较大。基于这点考虑,以天津某工程基坑施工地表沉降观测序列为例,在对原始数据进行分析的基础上,提出既可以考虑趋势时间序列,又具有高度非线性拟合性能的时序-投影寻踪回归模型。首先,通过比较分析几种时间序列方法的逼近误差和预测误差,寻求出一种逼近较好的时间序列预测方法。然后,将预测得到的时间序列和观测数据相结合,采用投影寻踪回归方法拟合。应用结果表明,该模型逼近性能良好,预测误差小,可为深基坑位移沉降的动态预测提供一条较好的途径,对基坑动态设计与信息化施工等方面具有重要的参考价值。 相似文献
11.
深基坑施工变形预测VAR建模与应用分析 总被引：1，自引：0，他引：1
在实际施工过程中,基坑变形发展与多种因素有关,很难用力学模型进行定量分析,而根据已有的监测数据建立模型预测未来一段时间内的变形发展趋势,进而对当前施工方案进行评价、调整,方法更可靠。首先,分析深基坑施工实际监测数据的发展规律,由经济预向量自回归测VAR模型（vector auto regression,VAR）建立基坑施工变形预测VAR模型,并结合监测数据进行模型精度评价和预测比分析。根据分析结果,模型精度排序为：VAR模型＞新陈代谢模型＞神经网络模型＞GM(1, 1)模型,模型预测比排序为：VAR模型＞新陈代谢模型＞神经网络模型＞GM(1, 1)模型。 相似文献
12.
为确保基坑变形的高精度预测，基于基坑现场变形监测成果，先利用ICEEMD-ICA准则进行数据处理，即将变形数据分解为趋势项和随机项，再通过ISFLA-RVM-GRNN模型实现其组合预测。最后，再引入若干传统预测模型进行类似预测，通过预测结果对比，验证本文组合预测思路的合理性。实例分析表明：ICEEMD-ICA准则能实现基坑变形数据的合理分解，其分解能力要优于传统分解模型，且在5个监测点的预测结果中，ISFLA-RVM-GRNN模型的预测精度较高，预测结果的平均相对误差间于1.97%～2.07%。经外推预测，得基坑变形趋于稳定方向发展。同时，通过不同模型预测结果的对比性验证，得出ISFLA-RVM-GRNN模型相较传统预测模型具有更优的预测效果，验证了其构建思路是合理有效的。 相似文献
13.
14.
滑坡变形监测与预测是滑坡预警预报中一种非常重要的途径。文章首先简单介绍了神经网络的基本原理和学习算法,然后利用某水库滑坡24期的GPS地表位移监测数据及其诱发因素即水库水位、降雨等资料,采用BP神经网络模型对该水库滑坡变形进行建模,最后将6期水库水位、降雨等资料输入模型进行滑坡变形预测,结果表明预测结果与实测数据符合性好,总体上能较好反映变形趋势。 相似文献
15.
装配式可回收支护结构为地下空间开发提供了一种经济安全、功能协同、可持续发展的新型绿色支护体系。以郑州市某顶管工作井基坑为背景,基于相似比理论开展了缩尺基坑模型试验,并采用ABAQUS建立能够区分支护系统中刚性构件与柔性构件变形差异的三维流固耦合模型,研究降水开挖过程中支护结构受力和变形特性,分析了降水和开挖对基坑变形发展的影响规律。研究表明：降水开挖过程中,支护结构受力及变形整体均小于设计值,但是钢面板在与支撑连接的位置易出现局部屈服现象;支护结构水平位移增量模式随降水施工和开挖施工的情况不同而差异较大,随着基坑降水开挖的进行,影响支护结构变形的主要因素由基坑降水逐渐向基坑开挖转变;基坑降水对地表沉降的影响较基坑开挖更大,第1级降水期间地表沉降快速增长,沉降增量占比最大达44.6%。 相似文献
16.
雷州半岛年降水量序列分析及预测模型 总被引：6，自引：1，他引：6
采用了雷州半岛徐闻气象站年降水量(1957～2002年)的时间序列资料,运用时间序列分析建模方法,对序列提取趋势项和周期项,并用自回归-滑动平均混合模型拟合剩余序列,然后再对年降水量序列进行预测。分析结果证明,建立的时间序列预测模型,具有较高的预报精度,其预测的结果可以用作雷州半岛旱情预报和防治的参考依据。 相似文献
17.
基于粒子群优化神经网络算法的深基坑变形预测方法 总被引：1，自引：0，他引：1
深基坑变形预测是进行施工参数调整和确保深基坑施工安全的重要手段,而如何对其变形进行有效、准确的预测是一个有待解决的技术难题。采用粒子群优化算法对神经网络模型的初始权值和阈值进行优化,并将已有的变形监测数据作为神经网络的输入参数,建立了基于粒子群优化神经网络算法的深基坑变形预测方法。将形成的方法应用于长春市火车站北广场深基坑开挖监测工程中。结果表明：8号水平位移测点预测结果的均方根误差为3.78%,平均百分比误差为5.48%;9号地面沉降点预测结果的均方根误差为5.62%,平均百分比误差为3.23%。经验证,本文方法预测深基坑开挖过程中的变形具有较高的可信度。 相似文献