离散灰色DGM（1,1）模型在高层建筑物沉降预测中的应用

针对高层建筑物沉降观测数据序列的特性,结合西昌市某工程沉降观测项目,重点阐述离散灰色DGM(1,1)模型原理及特性,以Matlab为仿真平台,将DGM(1,1)模型运用于高层建筑物沉降预测,并对其预测性能进行检验。结果表明,该方法能较好地模拟沉降发展趋势,且误差小,能达到精度要求,为后期工作提供数据支持。     

建筑物沉降原因及预测模型分析

经过深入总结高层建筑物沉降的原因,了解到地基不均匀沉降的危害,得出地基不均匀沉降主要是有来自地质勘察报告的精度低、真实性不高的原因或者是来自设计、施工方面存在问题的原因;其危害主要表现在导致建筑物倾斜,建筑物严重下沉,建筑物墙体开裂三个方面。针对各种各样的沉降,分析常用的三种预测模型即线性回归模型、时间序列模型和灰色系统模型,探求在各种情况下的最优化预测模型,为下一步沉降预测模型的选择打下基础,以便能做出更加精准的预测,为沉降监测提供决策依据。     

基于灰色残差GM（1，1）模型的建筑物沉降预测的研究

针对现代高层建筑进行沉降观测,对其未来的变形趋势进行准确地预测具有重要的意义.针对传统灰色GM(1,1)模型存在的模型精度不高的问题,提出了灰色残差GM(1,1)模型,并将其应用于对建筑物的沉降变形进行定量分析.通过与原始模型的对比分析可以发现,灰色残差模型在精度上有了显著的提高,更加适用于基础沉降的预测,具有很好的工程应用价值.     

RBF神经网络优化灰线性回归模型预测建模

针对建筑物地基沉降的机理以及RBF(Radial Basis Function,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点,通过反复试验,优化设计,建立了RBF神经网络,并用该网络优化灰线性回归预测模型,建立RBF灰线性组合预测模型。通过工程实例,比较分析了单一灰色模型、灰线性回归模型、RBF优化的灰线性回归模型的预测精度。结果表明,RBF优化后的灰线性回归预测模型精度优于灰色模型、灰线性回归模型,预测中误差达到0.0014 mm。径向基神经网络优化后的灰线性模型能更好地反映建筑物沉降的总体趋势及规律。     

灰色系统理论在予测高层建筑物沉降中的应用

灰色系统理论是聚龙教授在八十年代提出的,这一理论引起了国内外重视和应用。本文对高层建筑物,用灰色模型GM（1．1）予测沉降趋势,具有较高的精度。     

隧道地表沉降预测的时变参数灰序模型TGM-AR

在趋势项提取法中,针对逐步回归法比较烦琐及灰色模型预测精度低的缺点,结合灰色预报系统的灰色性和时变性,根据变形体的实际变形规律,将时变参数a(t),b(t)及灰色理论应用于时序模型建模中,提出并建立时变参数灰序模型TGM-AR.时变参数灰色模型用于提取趋势项部分,时序模型用于提取随机部分.将模型应用于隧道地表的沉降分析和预测,结果表明模型预报精度高,且趋势项的物理意义明确.     

高层建筑物沉降监测数据综合分析的几种方法

目的探求桩基基础与灰土地基基础高层建筑物沉降监测数据分析的较优方法。方法应用线性回归模型、时间序列模型、灰色系统模型对桩基基础与灰土地基基础的高层建筑物沉降实测数据进行分析。结果3种方法对桩基基础高层建筑物的数据分析均取得了良好效果,而对灰土地基基础高层建筑物沉降监测数据分析中,时间系列模型要优于线性回归模型、灰色系统模型。结论桩基基础高层建筑物的监测数据分析可以采用线性回归模型、时间序列模型、灰色系统模型,而灰土地基基础高层建筑物监测数据分析更适合选用时间序列模型。     

建筑物沉降预测的非等间距灰色模型

本文介绍了传统灰色GM（1,1）模型和非等间隔数列的灰色模型建模问题,并结合高层建筑物沉降观测实例进行建模、分析、预测,并与多元线性回归模型结果进行了比较,验证了该灰色模型在建筑物沉降监测分析中的实用性和有效性。     

灰色系统理论在变形观测中的应用

建筑施工中,沉阵监测是监测建筑物是否安全的重要环节,将灰色系统理论应用于建筑物沉降变形的数据分析,结合沉降观测实例,可进行沉降预测结果的分析和检验,进而证实建筑物沉降变形分析中采用灰色GM（1,1）预测方法的可行性,关键词：灰色预测;GM（1,1）模型;基坑变形。     

综合模拟和预测方法在工程沉降中的应用

文章尝试应用最优综合模型对常规的灰色模型(GM模型)和支持向量机模型(SVM模型)的预测结果进行优化,将综合模拟和预测方法应用于天津某高层建筑基坑开挖过程中引起周围建筑物沉降的研究,对建筑物的沉降趋势作出预测,取得了较好的拟合精度和预测可靠度,该方法对于工程施工具有重要的指导作用,也为今后同类研究提供一定的参考。