戈壁土路基后期沉降预测方法及误差分析

各种沉降预测的研究已在软土路基进行,而对戈壁土路基这一特殊路基的沉降预测研究较少.以兰新第二双线新疆段工程实测沉降数据为研究对象,分别采用双曲线法、星野法、Asaoka法、GM（1,1）模型四种沉降预测方法,预测戈壁土路基的后期沉降并分析不同时间起点对预测结果的影响.研究表明,常用的双曲线法和Asaoka法的预测精度受预测时间起点影响较大,双曲线法建议恒载期5~6月后为时间起点,Asaoka法建议恒载期1~2月后为时间起点.不同时间起点对星野法和GM（1,1）模型影响较小,其中GM（1,1）模型预测结果最为精确.     

不同沉降预测方法在改扩建路基中的应用

【目的】改扩建工程中新路基沉降的准确预测至关重要。【方法】依托沪陕高速公路合肥至大顾店段改扩建工程，首先选择试验段对新路基沉降进行实测；然后分析了星野法、GM(1,1)和二者的组合法等三种沉降预测方法的预测效果。【结果】结果表明：GM(1,1)在预测后期结果偏大，星野法比GM(1,1)法预测效果好，与两个独立的预测模型相比，GM(1,1)-星野法预测模型预测准确率更高。【结论】研究成果可为类似工程提供借鉴。     

离散的GM(1,1,t~2,t)模型及其应用

针对软土地基沉降问题,利用灰色理论提出GM(1,1,t~2,t)模型,通过优化灰导数白化值建立离散的GM(1,1,t~2,t)新模型,并用最小二乘法估计新模型的5个参数.通过软土地基沉降的实例应用,说明离散的GM(1,1,t~2,t)模型的模拟预测效果优于GM(2,1)模型.     

新陈代谢GM(1,1)模型在现代有轨电车沉降预测中的应用

目前灰色模型在建筑物、边坡、高铁等领域的沉降预测中的应用研究较多,而在现代有轨电车中的沉降预测中应用比较少,并且现代有轨电车在运营阶段的沉降变化量较小。用灰色GM(1,1)模型和新陈代谢GM(1,1)模型对有轨电车筏板的沉降监测点的监测数据进行预测并比较。结果表明,新陈代谢GM(1,1)模型剔除了旧数据,增加了新的预测数据,提高了模型预测精度。验证了模型在现代有轨电车筏板进行沉降预测的可行性,为今后类似情况的沉降监测预测提供参考和借鉴。     

基于Asaoka法山岭公路隧道洞口浅埋段拱顶沉降预测分析

隧道进出洞口浅埋段由于埋置较浅且多为破碎岩体,施工对岩层的扰动较大易发生坍塌、冒顶事件,而及时地掌握隧道拱顶的最终沉降,确定最佳的支护时间能够有效的避免工程事故.Asaoka法能够利用较短期的观测资料得到较为可靠的最终沉降量推算值,被广泛用于路基沉降预测中,而隧道拱顶沉降预测中却很少涉及.为此,该文依托贵州某隧道进出口断面的拱顶沉降值,运用Asaoka法进行沉降预测分析.研究结果如下：在采用Asaoka法进行拱顶沉降预测时宜选用隧道开挖后10 d内的沉降数据进行预测分析,且拱顶沉降的间隔时间最好为1 d;对于波动较大的拱顶沉降不易采用Asaoka法进行预测,但可作为其他预测方法的参考.     

基于GM(1,1)模型的边坡变形监测应用研究

对GM(1,1)模型的基本原理和模型检验方法进行了介绍,将边坡看作一个灰色系统,采用GM(1,1)模型对沉降进行预测,相关的参数可由建立灰色预测模型和实际的监测数据予以确立。将预测结果和实际结果进行对比分析,结果表明GM(1,1)模型能够取得较好的预测结果,能够在变形监测工程中得到广泛的应用。     

山区机场高填方边坡施工期沉降的灰色模型预测

为研究西部山区某高填方边坡沉降的特点,通过全站仪在等时距情况下测得该填方边坡在55天之内的沉降值,总结出沉降随时间的变化规律,并引用灰色GM(1,1)和Verhulst模型方法建立起高填方边坡的沉降模型。通过实测结果与模型计算对比,证明这两种模型在预测高填方边坡沉降的可行性。这不仅可以减少沉降长期观测的浪费,而且可以较早的预测高填方边坡的沉降量。     

灰色BP神经网络组合模型在大坝沉降监测中的应用

大坝沉降是一个非线性的过程。为了能准确预测大坝沉降,将GM(1,1)模型和BP神经网络模型结合,以某大坝沉降量为实例,研究灰色BP神经网络在大坝沉降监测中的应用。通过GM(1,1)获得一组拟合数据,将拟合数据和原始值作差得到拟合值的误差序列,再利用BP神经网络模型对拟合数据和拟合数据的误差序列进行训练,最后再以拟合数据作为输入值,利用训练完成的BP神经网络得到误差序列,进而得到预测值。经过实验分析,得出组合模型的预测精度高于单一模型的预测精度。     

一种改进离散灰色模型及其高校招生人数预测建模

分析了已有GM(1,1)模型和离散GM(1,1)模型的不足,建立了高校招生人数的直接离散GM(1,1)模型,并对相关实例建立模型进行预测.预测结果表明,直接离散GM(1,1)模型模拟预测精度更高,更能反映高校招生人数的增长趋势.     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM(1,1)模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析.采用标准差法建立基于拓扑预测与GM(1,1)模型的舰船运动组合预测模型.结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具.     

基于灰色理论的风电场输出功率超短期预测

准确预测风电场的发电功率能够有效减少风电波动性对并网电网的影响。本文提出基于灰色理论的风电功率超短期预测方法,分别采用GM(1,1)模型和GM(1,2)模型实现了风功率的超短期预测。针对某99MW风电场一年风电功率数据,在MATLAB上仿真验证了本文所提方法的有效性。仿真结果表明,GM(1,2)模型的风电功率预测精度明显高于GM(1,1)模型所获得的风电功率预测精度。     

LSTM神经网络模型在GPS变形监测中的应用研究

为提高GPS变形监测在工程应用中的精确度,研究LSTM神经网络在变形监测中的作用。分别利用建立的GM(1,1)模型和LSTM神经网络模型对GPS变形监测工程案例进行应用分析,与GM(1,1)模型相比LSTM神经网络模型预测误差降低幅度可达58%,相对误差降低幅度可达62%,RMSE值降低幅度为66%,结果说明LSTM神经网络模型较GM(1,1)模型有更高的预测精确度,预测结果更接近实际测量结果,深度学习的方法之一LSTM神经网络模型在GPS变形监测中有很高的应用价值。     

基于灰色GM(1,1)模型对黑龙江省粮食产量的预测

应用GM(1,1)模型对1995～2017年黑龙江省粮食产量进行趋势的分析,并且按照发展趋势进行为期三年的预测.所应用到的GM(1,1)模型是按照参数的双向差分进行最小二乘估计,并且在初始值也进行两方面的变动,应用模型初始值加权评均法、模型初始值加权误差平方法.这样可以适当的提高模型的预测精度.     

基于残差融合的ARMA-GM(1,1)模型茶叶产量预测

因茶叶产量数据波动大,样本数据统计量相对较少,统计特征并非十分明显的特点,传统的基于统计原理的ARMA模型建模预测效果较差。利用灰色系统建模原理对ARMA模型的残差序列建立GM(1,1)模型,形成残差融合的ARMA-GM(1,1)模型。该模型既能保证数据的统计特征又能将残差的振荡序列充分反映,提高模型的预测精度,拓展ARMA模型的使用范围。结果表明,基于残差融合的ARMA-GM(1,1)模型比ARMA模型、灰色GM(1,1)模型具有更高的预测精度。     

一种基于BC RBFNN的高填路堤地基沉降预测模型

针对高填路堤地基沉降难以预测这一技术难题,对其影响地基沉降的主要因素进行了分析,根据各因素之间存在的高度非线性, 结合BCRBFNN（基于聚类分析径向基函数神经网络）非线性拟合的特点, 提出一种基于BCRBNN模型对高填方地基沉降进行预测.运用施工期路基沉降实测资料,对神经网络模型进行学习、训练和仿真, 得出仿真值与实测值非常相似, 从而得出基于BCRBFNN模型在高填路堤地基沉降预测中具有很好的实用效率.     

CFG桩复合地基不同参数沉降影响分析

结合兰永一级公路软弱路基处治技术研究项目,为分析不同设计参数下CFG桩复合地基处治软土路基的沉降变化规律,利用非线性有限元软件ADINA建立三维模型,结合比奥固结理论,地基土体按多孔介质材料考虑,采用Mohr-coulomb理想弹塑性模型做固结分析,将填土视为荷载逐级施加,采用生死单元对CFG桩复合地基进行数值模拟。结果表明,相比提高垫层模量与桩身模量,选择较大桩长与合理的桩距、桩径对减小软土路基沉降更为明显,裙桩效应对于减小软土路基沉降起积极作用,软土路基经过CFG桩复合地基处理后满足一级公路工后沉降要求,加固效果明显。     

高速公路软土地基处理设计研究

控制高速公路路堤工后沉降量,是保证路面结构完整和车辆高速平稳行驶的关键因素之一,当地基复杂或软土地基允许承载力较小时,应进行路基稳定性分析和地基沉降量计算,以确定地基强度是否满足设计要求.当软基允许承载力(包含沉降量)满足要求时,软基可不进行处理,直接进行路堤填筑施工.软基处理有多种方法,本文简要阐述了深层搅拌桩的设计流程.     

灰色模型在武汉市商品房价格预测中的应用

应用灰色系统理论对武汉市2001—2010年各季度的商品房均价的数据进行分析,得到武汉市商品房价格GM(1,1)模型,并利用该模型对商品房价格进行预测.检验结果表明,该模型适用于商品房价格的中长期预测.     

基于小波变换的GM(1,1)-ARMA组合预测模型对悬索管桥的应变预测

ARMA模型采用差分处理对桥梁监测数据进行预测时,会出现数据丢失和预测精度降低的现象.为此,利用小波变换对信号进行离散化处理信息不会丢失的优点,将趋势明显的原始序列离散化,得到不同频带上的块信号.采用灰色GM(1,1)模型对趋势明显的低频信号进行趋势预测,用ARMA模型对平稳的高频细节信号进行细节预测,再将两部分预测值叠加得到最终预测值.对黄河悬索管桥在线监测系统获得的过去一段时间的应变数据进行验证,结果表明所提出的GM(1,1)-ARMA组合模型预测效果明显高于传统ARMA模型,这对实现同类桥梁的预警具有积极意义.     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM（1,1）模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析．采用标准差法建立基于拓扑预测与GM（1,1）模型的舰船运动组合预测模型．结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具．