基于马尔科夫——灰色BP神经网络组合模型的深基坑变形预测研究

建立马尔科夫—灰色BP神经网络组合模型是为了更加科学合理预测深基坑压顶水平位移,提高预测精度.比较分析BP神经网络模型与串联式灰色BP模型的预测结果,建立马尔科夫链修正的灰色BP组合模型,以汕头市某花园酒店扩建工程的基坑压顶水平位移的实测数据为研究对象,通过比较模型预测结果与实际结果,检验其深基坑预测模型的精度.实例证明,经马尔科夫链改进的灰色BP神经网络组合模型的预测精度优于单一模型,更适合用于样本少、随机波动性大的深基坑变形预测.马尔科夫—灰色BP神经网络组合模型对深基坑压顶水平位移的预测不仅精度高,同时反映出数据序列发展变化的总体趋势和系统之间各状态的规律,为深基坑压顶水平位移预测提供了一种新方法.     

应用模糊数学预测大坝位移

预测大坝水平位移对于大坝安全来说非常重要.由于影响因素太多太复杂,以致用各种传统方法建立的大坝水平位移预报模型的精度难以提高.本文以佛子岭连拱坝13号垛的坝顶水平位移为例,应用模糊数学中多因素假言推理方法,导出了可预测5日后大坝水平位移的模型,该模型预报提高了预报精度约30%     

大坝安全监测的ARIMA-BP组合预测模型

研究大坝安全监测中用于预测坝体变形问题的模型,给出了一种组合模型来预测坝顶位移.单一的ARIMA模型和神经网络预测模型在预测位移问题时精度不高,分析了两种模型的原理和建立方法,利用两种模型单独对时间序列进行拟合与预测,再通过赋予适当的权重,得到新的组合预测模型.通过某水电站工程实例分析表明,该组合预测模型结合了两种模型的优势,提高了模型的预测精度,有广泛的应用前景.     

基于最小二乘支持向量机回归的基坑变形预测

将最小二乘支持向量机回归用于基坑变形预测.根据基坑位移的实测时间序列资料,应用最小二乘支持向量机回归建立了基坑位移与时间的关系模型.研究结果表明,最小二乘支持向量机回归用于基坑变形预测,具有较高的预测精度.与通常采用的BP神经网络相比,该方法具有预测误差小、计算快速、所需数据少等优点.     

基于灰色理论的基坑桩顶水平位移预测

目的研究灰色理论在基坑桩顶水平位移预测的应用,进而全面反映基坑的安全状况,确保基坑的稳定性.方法笔者以沈阳铁路局调度所改扩建工程项目为研究对象,运用灰色理论对监测数据进行分析,建立GM(1,1)模型,对桩顶水平位移进行预测.结果GM(1,1)模型预测精度为二级,能够达到合格的标准.残差序列最小值为0.03 mm,最大值为0.2 mm,达到了仪器监测的精度.数据的均值处理能够使预测精度为四级的模型提高到精度为二级,二级精度提高到一级精度.结论基于灰色理论的基坑桩顶水平位移分析与预测是恰当而实用的,具有较高的可靠性.灰色预测较为客观地反映了工程实际情况,具有一定的工程参考价值.     

深基坑开挖引起的周边地表变形预测

应用模糊数学理论推导出的Fuzzy测度模型,根据实际基坑的情况对地表下沉公式积分范围进行了修正,使用Matlab语言编写了预测地表下沉及水平位移变形的程序.对深基坑开挖引起地表下沉及水平位移变形量进行预测的结果表明:该模型对基坑周围土体变形量的预测结果与实测情况吻合较好,所获得的理论公式可应用于深基坑工程开挖引起的地表移动变形预测.     

青连高铁K152+300～K152+470边坡滑坡稳定性预测研究

边坡稳定性是影响高速铁路安全运行的重要因素之一,开展高速铁路边坡滑坡稳定性预测研究对提高高铁运行安全具有一定的工程意义.以青岛-连云港高速铁路K152+300~K152+470边坡滑坡为例,通过设计合理的监测方案开展了边坡地表水平位移和土体深部水平位移监测,总结了滑坡位移规律;基于监测数据采用GM(1,1)模型、神经网络模型和灰色神经网络模型进行了滑坡位移预测,在验证预测效果的基础上基于灰色神经网络模型构建了滑坡位移预测模型,预测了该滑坡未来3年的累计位移并建立了高铁边坡滑坡位移预警方法.研究结果表明:DB2和GY2监测点的地表水平累计位移分别为17.23 cm和21.69 cm,SB2、SB4和GY2监测点的土体深部水平累计位移分别为13.42 cm、16.05 cm和18.37 cm;DB2、SB2、SB4、GY2监测点未来3年的累计位移最大预测值分别为47.05 cm、42.53cm、46.01 cm、52.36 cm(地表)和48.15 cm(深部),该滑坡将继续保持临界稳定状态;根据滑坡累计位移量将高速铁路边坡滑坡位移预警等级分为Ⅰ、Ⅱ和Ⅲ级.     

基于时间序列与时间卷积网络的滑坡位移预测

滑坡位移预测作为滑坡监测预警的重要组成部分,对滑坡灾害的防治具有重要意义。目前,滑坡位移预测大多集中在循环架构的神经网络模型上,其存在梯度爆炸、消失问题等问题。为此,提出了一种基于时间序列与时间卷积网络(time convolution network, TCN)的滑坡位移预测模型。首先,该模型通过移动平均法将滑坡位移分解为趋势项位移和周期项位移。其次,采用Holt线性趋势模型预测趋势项位移,并建立时间卷积网络预测周期项位移。最后,将趋势项位移和周期项位移叠加,实现滑坡位移的预测。将该模型用于八字门滑坡的观测研究,结果表明：该模型相较于循环架构的神经网络模型能更有效地提取时序特征,预测精度更高。将基于TCN的滑坡位移预测模型应用于滑坡位移预测具有广阔的应用前景。     

基于修正摩尔库伦模型的深基坑变形数值分析

为了探究深基坑变形数值分析中模型参数的重要性,运用MIDAS-GTS/NX有限元分析软件,分别采用摩尔库伦模型(MC)、参考应力不变的修正摩尔库伦模型(MMC)以及参考应力随基坑深度变化的修正摩尔库伦模型(MMC),进行排桩支护变形和地表沉降的数值模拟,并与实际监测结果进行对比分析,结果表明:在地表沉降预测上,摩尔库伦模型(MC)预测沉降值与实测值相差较大,预测沉降影响距离是实测沉降影响距离的2倍左右;在排桩水平位移预测上,MC模型预测位移完全大于实测位移,且发生最大水平位移处排桩深度与实际深度不符;MMC模型预测值与实测值相差不大,且两者位移规律曲线较为吻合.因此不同参考应力下的MMC本构模型比单一参考应力下的MMC本构模型预测变形更加精确,故使用不同参考应力下的MMC本构模型进行基坑开挖变形预测更具参考价值.     

水平轴风力机极限载荷预测方法的研究

介绍三种目前用于水平轴风力机极限载荷预测的模型 ,比较这三种方法的优缺点并选择统计模型用于运行中水平轴风力机极限载荷的预测 .在水平轴风力机CAD软件BladeDesign中用这种模型实现了运行中风力机极限载荷预测 .     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

基于马尔科夫优化的灰色GM (1,1) 沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,本文结合灰色理论模型和马尔科夫链理论,建立了一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立了新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建了相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文中的模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明：基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文所提出的优化模型在基坑沉降分析与预测中的合理性。     

煤岩界面预测灰模型

为提高煤岩界面记忆截割检测的自动化水平，基于灰建模改进方法，采用相同的初始数据序列，建立经典GM（1，1）、新数据CM（1，1）、新陈代谢GM（1，1）三种煤岩界面预测模型，并分析其数据残差和相对误差。结果表明，三种模型的残差和相对误差均随预测步数的增加而增大，新陈代谢GM（1，1）模型的残差和相对误差最小，模型精度较高，适用于煤岩界面预测。     

灰色模型与自回归模型组合在钟差短期预报中的应用研究

研究卫星钟差预报的精度及稳定性对增强卫星导航系统的导航、授时等功能有重要作用。针对GM(1,1)模型在卫星钟差短期预报时存在的问题,引入AR模型对其预报结果进行修正,以提高钟差预报结果的精度和稳定性。实验结果表明：组合模型的预报精度较单一GM(1,1)模型有一定提高,其中铷钟的精度提高较为明显,铯钟的精度则提高较少;此外,组合模型的误差变化趋势与GM(1,1)模型相似,但稳定性相对更高。     

GM(1,1)模型背景值构造的不同方法与应用

GM(1,1)模型的误差主要来源于背景值和初始值,因此提出3种不同的背景值构造方法分别为:把背景值的固定权改为变权构造背景值的方法、将数据序列抽象为指数函数构造背景值的方法、将数据序列抽象为非齐次指数函数构造背景值的方法,并以X(n)为初始值和新陈代谢方法来建立GM(1,1)模型.通过工程实例检验这3种不同背景值构造方法建立的GM(1,1)模型的预测精度.计算结果表明,将数据序列抽象为非齐次指数函数构造背景值建立的模型预测精度较高,可为类似工程提供参考.     

基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。     

改进GM(1,1)模型在城市流动人口预测中的应用

利用泰州市2003-2009年流动人口数据,建立GM(1,1)模型、残差GM(1,1)模型和等维递补GM(1,1)模型对流动人口数量进行预测.并用多种方法检验了三种模型的拟合效果.结果表明三种模型均能合理地对流动人口数量变化进行预测,但残差GM(1,1)模型和动态等维递补GM(1,1)模型拟合效果优于一般的GM(1,1)模型.     

高速公路交通量预测的GM(1,1)残差改进模型

针对传统GM(1,1)模型在预测高速公路交通量中存在误差过大、计算复杂的问题,通过定义残差序列,对预测序列与残差序列进行累加再处理,构造新的序列数据;并且对新序列数据构造GM(1,1)残差改进模型,以进行预测。模型应用于某高速公路某收费站,对9期序列数据进行了模拟预测。结果表明,GM(1,1)残差改进模型的平均预测误差为7.25%,优于传统GM(1,1)模型预测的平均相对误差12.7%。     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。