共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
混沌理论特征识别是进行混沌时间序列分析和预测的前提。普通的线性数学算法已经无解决基坑变形所遇到的问题,为了研究基坑变形监测数据的非线性复杂问题,采用混沌非线性理论方法,首先求取基坑变形时间序列的延迟时间和嵌入维数,其次对基坑监测数据进行相空间重构,最后对比分析加权一阶局域预测模型以及RBF神经网络混沌预测模型的预测结果,实验表明RBF神经网络混沌预测模型预测精度最高,同时也说明了混沌预测模型更适合短期预测。最终证明了RBF神经网络混沌预测模型应用在基坑变形监测中的可行性与有效性。 相似文献
3.
跨海大桥因船体撞击、移动车辆荷载、河水冲刷等因素的作用,桥墩的沉降变形表现为非线性特征。因此,首先对桥墩的沉降时间序列求取延迟时间τ和嵌入维数m,并采用最大Lyapunov指数证明该时间序列具有混沌特性;然后根据求取的参数建立加权零阶局域预测模型和加权一阶局域预测模型分别对沉降时间序列进行预测。算例结果表明,加权一阶局域预测模型具有较高的预测精度,且混沌局域预测法不适合做长期预测,但可做短期预测。 相似文献
4.
从挖掘边坡变形特性出发,提出一种基于经验模态分解(EMD)和遗传小波神经网络(GA-WNN)法的新型边坡变形预测模型。该模型首先对边坡变形序列进行EMD分解,有效分离出不同尺度特征的子序列;其次基于相空间重构挖掘各子序列的特性,以避免预测模型输入维数选取的随意性;然后采用遗传算法优化小波神经网络的权值和阈值,进而对各子序列建立预测模型;最后叠加各子序列预测值得到边坡预测结果。经过了算例计算,并与SVM和GA-WNN对比分析。结果表明:该模型具有较强的非线性拟合和自适应能力;在一定程度上保证较优的局部预测值和较好的全局预测精度,均方根误差为0.68 mm;在边坡变形预测中具有一定的实用意义。 相似文献
5.
近年来,非线性时间序列的混沌预测理论被运用到诸多领域,多用于进行预测、算法、统筹规划。本文将混沌预测理论运用到矿区沉降变形预测的工作中,基于矿区地表沉降观测值,组成沉降量变化的时间序列,用以预测以后的沉降值。研究了对沉降观测数据的去噪、定性、后期沉降预测工作,丰富了混沌预测模型的实际应用,提出了数据处理及混沌预测理论改进方法的实现过程。 相似文献
6.
针对深基坑变形难以建立准确的计算模型进行预报问题,本文运用非等时距灰色-马尔科夫链对深基坑变形量进行预测。首先基于原始实测数据,建立非等时距灰色预测模型;然后采用马尔科夫链对预测值残差序列进行修正,进一步提高预测模型的预测精度;最后对潍日高速跨铁路转体桥深基坑4个测点的变形量进行预测。研究表明,灰色-马尔科夫链模型的预测精度明显高于灰色模型,预测值与实测值吻合较好,预测值后验差为0.07、0.37、0.16和0.33,精度等级均为1级,该模型为深基坑变形预测提供一种新方法。 相似文献
7.
边坡变形序列存在一定混沌特征,本文将混沌分析方法应用到边坡变形预测中。为解决标准LSSVM模型中惩罚参数和核函数参数因任意给定或经验给定带来的非最优问题,将遗传算法和粒子群算法引入LSSVM模型,根据变形序列建立GA-LSSVM和PSO-LSSVM预测模型,与标准LSSVM混沌预测模型和基于神经网络的混沌预测模型进行比较。结果表明,GA-LSSVM和PSO-LSSVM模型预测中误差分别为0.73 mm和0.77 mm,LSSVM,BP,RBF三种模型中误差分别为0.90 mm,0.80 mm和0.75 mm;因此,本文提出的预测模型用于边坡变形预测比其他几种模型具有更高的精度。 相似文献
8.
9.
通过对主井及其附近两个稳定点进行了变形监测,利用混沌理论对两个时间序列进行了混沌特征的分析,发现两个时间序列的关联维数分别为1.3282和1.4587,嵌入维数都为3,最大Lyapunov指数分别为λ=0.0833和λ=0.0745。说明这两个监测点的时间序列具有混沌的特征,存在混沌现象。采用混沌一阶局域法进行预测时,采用不同时间间隔得到预测结果有较大差异。其中,采用最小时间间隔得到预测结果最差,而采用平均时间间隔得到的预报精度等级和预报准确率均为最优。 相似文献
10.
论述了支持向量机的回归算法和基于时间序列支持向量回归的建筑物变形预测方法,并用MATLAB6.5工具箱编制基于时间序列支持向量回归程序,建立了基于时间序列支持向量回归模型。最后以实例数据讨证基于时间序列支持向量机回归模型的预测方法。研究表明:用时间序列支持向量回归模型建立的建筑物变形监测的预测模型是可行的和有效的。 相似文献
11.
12.
由于受到温度、雨水冲刷等外在因素的影响,大坝变形时间序列数据会呈现出非线性和非平稳的曲线特性。为此,提出一种经验模态分解(EMD)和最小二乘支持向量机(LSSVM)相结合的大坝变形预测模型。首先,使用EMD对大坝变形时间序列数据分解成若干个不同尺度的本征模式分量(IMF);然后,利用LSSVM模型对各个IMF进行预测;最后,对预测的结果相加得到大坝变形预测值。以吉林市丰满大坝为算例,构建EMD-LSSVM预测模型,并与LSSVM模型对比分析,结果表明,EMD-LSSVM模型预测效果更好,精度更高,具有更好的实用型。 相似文献
13.
混沌理论支持下的桥梁变形监测研究 总被引：1，自引：0，他引：1
针对桥墩的非线性下沉问题，引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ，采用改进的G-P算法计算最佳嵌入维数m，进行相空间重构，并与传统算法对比抗干扰性，计算效率等得到了改善，运用Lvyapunov指数判别该时间序列的混沌特性；最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型，分别对观测数据进行预计分析，将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度，RBF神经网络混沌预计模型的预计精度最高，证明混沌时间序列预计精度可靠，能够实时对桥身变形进行监测，避免灾害的发生。 相似文献
14.
由于大坝位移时间序列数据受各种复杂因素的影响,具有非平稳和非线性等特征,因此,利用传统、单一的时间序列预测模型较难准确地描述大坝位移变形的复杂规律。综合考虑大坝位移时间序列非线性和线性特征,本文提出了一种SVM和ARIMA相结合的时间序列预测模型。将大坝变形的时间序列分为非线性部分和线性部分。针对非线性部分,利用SVM进行滚动预测,并与NAR动态神经网络进行对比,试验表明SVM处理非线性问题具有相对的优势;针对线性部分,通过ARIMA模型对其进行单步滚动预测,综合两项预测结果得到组合模型的预测值。结合大坝实测资料对组合模型进行检验,试验结果表明,SVM-ARIMA组合模型的预测精度高,能更好地描述大坝位移的变化趋势,具有一定的实用价值。 相似文献
15.
针对地磁变化场时间序列的混沌特性,提出了一种改进的集成经验模态分解(modified ensemble empirical mode decomposition,MEEMD)-样本熵-最小二乘支持向量机(least square support vector machine,LSSVM)的地磁变化场预测模型。首先,利用MEEMD-样本熵将非平稳的地磁变化场时间序列分解为一系列复杂度差异明显的地磁变化场子序列;然后,针对每一个子序列分别建立LSSVM模型,选择各自适合的最优模型参数;最后,以地磁台站实测的地磁变化场数据为例进行实验,并与基于单一LSSVM以及RBF径向基神经网络的两种预测模型进行比较。实验结果表明,MEEMD-样本熵-LSSVM模型的预测值能紧跟地磁变化场的变化趋势,相比另外两种模型,体现出更好的预测效果,在地磁Kp指数小于3时,预测3h平均绝对误差为1.63nT。 相似文献
16.
17.
针对桥梁的非线性下沉问题,引用了混沌理论,首先求取时间序列的两重构参数时间延迟τ和嵌入维数m进行相空间重构;随后进行混沌特性判别,确定该时间序列存在混沌迹象;最后根据所求参数建立加权零阶局域预计模型和RBF神经网络混沌预计模型对观测数据进行预计分析,并与系数为0.9的指数平滑预测模型进行比较,结果显示混沌预计模型值更接... 相似文献
18.
运用混沌理论研究基坑变形破坏的演变机理,对基坑变形观测数据序列进行相空间重构,将若干固定时间延迟点上的测量作为新维处理,形成相点,按照关联维数方法求算吸引子维数,提取和恢复基坑系统原有的规律。实例分析表明,混沌理论为基坑预测研究提供了新的途径。 相似文献
19.
通过对时间序列模型及其特性进行分析,运用序列间协整关系,实现同一变形体不同变形监测数据序列之间的联系,提取出平稳的、可用于变形预测分析的信息,建立适用于实际工程的ARIMAX动态预测模型,并通过工程实例验证预测模型的优化性、有效性与可行性。 相似文献
20.
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