共查询到20条相似文献，搜索用时 15 毫秒
1.
时变参数PGM(1, 1)变形预测模型及其应用 总被引：7，自引：1，他引：7
汪孔政 《武汉大学学报(信息科学版)》2005,30(5):456-459
在GM(1，1)模型的基础上，考虑参数随时间的变化，用多项式逼近模型参数，同时针对GM(1，1)模型背景值取值方法的不足，引入背景值最佳生成系数，建立了时变参数PGM(1，1)变形预测模型。多项式中的待定系数采用最小二乘法确定，背景值最佳生成系数采用搜索法确定。实例计算表明，时变参数PGM(1，1)变形预测模型具有较高的模拟精度和预测精度，适合用于变形体的变形预测。 相似文献
2.
通过对某楼群变形预测的实例,阐述了如何利用现场采集的数据信息,按灰色理论的ＧＭ（１,１）模型建立预测模型,对建筑物变形进行预测预报的方法。 相似文献
3.
4.
分析了GM(1,1)模型在背景值取值上的不足,提出了一种基于权的pGM(1,1)模型.通过模型比较,表明pGM(1,1)模型具有更好的预测效果,并用该模型进行了实际的变形预测. 相似文献
5.
pGM(1,1)模型在变形预测中的应用 总被引：1，自引：0，他引：1
分析了GM（1，1）模型在背景值取值上的不足，提出了一种基于权的pGM(1,1)模型，通过模型比较，表明pGM(1,1)模型具有更好的预测效果，并用该模型进行了实际的变形预测。 相似文献
6.
多源数据下老采空区上方地表残余变形规律分析 总被引：1，自引：1，他引：0
为动态分析老采空区上方地表残余变形规律,本文以淮南矿区新庄孜矿新淮工厂为例,综合运用D-InSAR遥感解译反演与地表移动变形监测两种方法分析其残余变形规律,并以遥感解译数据与实测数据为基础资料,采用GM（1,1）模型进行地表残余变形规律的动态预测。D-InSAR存档数据反演结果显示2009年1月-2011年12月期间地表最大下沉量为100 mm,最大下沉速率为2.5 mm/d;地表移动变形监测结果显示2012年1月-2013年12月期间地表最大下沉量为55 mm,最大下沉速率为0.45 mm/d;GM（1,1）模型预测结果显示地表监测点下沉速度小于1.67 mm/d,地表处于残余衰退阶段;同时模型相关系数R2>0.95,预测结果和曲线拟合精度可靠。研究成果可为煤矿老采空区上方建筑地基残余变形监测工作提供参考。 相似文献
7.
8.
为了研究地表非采动沉降预测的规律,介绍了灰色预测理论模型的建模方法与模型精度评定方法,阐述了采用GM（1,1）等维新息模型进行沉降数据分析的特点,结合水文资料分析引起下沉的主要原因;并以某工程的沉降观测实例,证实了非采动沉降监测中采用灰色GM（1,1）预测方法的可行性。 相似文献
9.
针对建筑物沉降变形中各监测点相互关联、相互影响的情形,可将灰色系统理论中的GM(1,N)模型引入到建筑物沉降分析中。本文利用灰度关联方法确定相关因子的关联度,建立GM(1,N)模型,并与回归分析、GM(1,1)模型比较。通过工程实例,得出灰关联GM(1,N)模型预测精度明显高于另外两种模型,验证了该模型在进行建筑物沉降分析预测中应用的可行性。 相似文献
10.
在分析比较了ＧＭ（１，１）预测模型的不足之后，提出一种实时引入新信息的等维新息和等维灰数递补组合动态预测方法。首先同常规预测法作了比较，然后进行了三峡链子崖危岩体变形发展趋势预测及有效性验证。 相似文献
11.
为达到提高滑坡变形预测精度的目的,利用量子算法和粒子群算法对支持向量机进行优化,并利用马尔科夫链对滑坡变形预测误差进行修正,综合构建滑坡变形的递进式预测模型。结果表明:通过量子算法及粒子群算法对支持向量机优化,克服支持向量机参数选取困难,实现预测过程的全局优化,并经过MC误差修正模型对滑坡变形预测值误差修正,提高预测精度及预测值稳定性,验证预测模型可行性和有效性,为滑坡变形预测提供一种新的预测方法。 相似文献
12.
本文系统地阐述了江阴长江大桥高塔柱变形预测的方案、预测方法和变形值的精度,并通过对变形预测结果的分析,找出了该塔柱的变化规律,得出了一些对后续工程施工有指导意义的结论。 相似文献
13.
14.
根据瀑布沟水电站移民场地GPS边坡自动化变形监测系统获得的高边坡变形量时间序列的非线性性质,基于相空间重构理论和最邻近点法预测及其加权预测模式,提出了基于加权模式的多相型综合预测方法;并将该方法应用于瀑布沟水电站移民安置场地GPS监测点边坡变形预测中。从而将移民新城的变形监测与变形量的预测分析相结合,对瀑布沟水电站移民新城的稳定性进行实时监测与预测。实例研究表明:监测系统提供的移民场地变形监测的精度可达到毫米级;多相型综合预测方法具有较高的预测精度和可靠性。从而为边坡的变形预测提供了一种实用有效的方法。 相似文献
15.
以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。 相似文献
16.
以某煤矿工作面内某点的沉降观测数据为依据,分别选取累计变形量、单次变形量以及日变形速率为建模元素获取建模序列,用c#对该点建立均值GM(1,1)模型,得到3种不同建模序列的沉降预测值.对比分析发现,单次变形量以及变形速率序列对建模数据预测优于累计变形量序列.而且若等周期观测,变形速率与单次变形量预测效果相同;非等周期观测时,单次变形量序列预测效果最好. 相似文献
17.
本文将灰色系统理论的GM（1，1）模型应用于建筑物沉降观测，并结合南宁市民生广场沉降观测实例，进行沉降预测结果的分析和检验，充分证实了在建筑物沉降变形分析中应用灰色预测法的可行性。 相似文献
18.
19.
针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。 相似文献
20.
露天矿边坡变形是一个复杂的系统,许多影响边坡变形的因素具有灰色信息性质,因此应用灰色模型对边坡变形进行预测是一种很好的研究手段。在灰色模型预测实践中,发现建模数据的维数对模型预测精度有较大影响。从变形预测精度研究入手,提出最佳维数建模法。通过实例应用证明,该法具有较高的预测精度和可信度。 相似文献