共查询到10条相似文献,搜索用时 138 毫秒
1.
针对灰色理论传统的等时距GM(1,1)模型存在不能应用于工程实际中常常存在的非等时距的监测时序问题,建立了不等时距的灰色GM(1,1)边坡位移预测模型。鉴于模型建立及应用中的计算比较烦琐,将模型编制成应用软件,支持输入少量历史监测数据预测指定时间的边坡位移。通过实例利用应用软件对边坡位移进行了预测,实际证明其拟合精度较好,预测结果正确可靠,能够反映边坡位移的客观存在与发展态势,且提高了效率,便于实际工程应用。 相似文献
2.
3.
《汕头大学学报(自然科学版)》2017,(3):53-60
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. 相似文献
4.
边坡变形监测与预测预报是边坡灾害防治的重要技术措施,也是目前研究的热点和难点。该文针对边坡变形监测时间间隔不定、数据样本少、预测精度要求高等问题,以某库岸边坡上的D02监测点为例,采用拉格朗日插值算法进行非等时距序列转换,结合灰色系统原理,建立非等时距灰色预测模型进行变形分析与预测。研究结果表明:(1)库岸边坡在该点的垂直位移变化经历了加速变形-减速变形-缓慢变形三个阶段,其变形速率分别为-1.599mm/月、-0.103mm/月和-0.039mm/月,总体呈暂时趋稳态势;(2)建立的非等时距灰色预测模型有效解决了因天气、施工和人为等因素影响,导致观测周期难以保持一致,出现原始数据时距不等的问题,且预测结果具有很高的精度,有一定的推广应用价值。 相似文献
5.
针对汨罗地裂缝沉降观测资料,运用灰色理论建立地面沉降的GM(2,1)模型,其中非等时距位移序列采用拉格朗日插值函数转变为等时距序列。为了减少对外界因素干扰的敏感性,方便求解,采用非等时距GM(2,1)和GM(1,1)模型对西安市地面沉降现测点进行安全预测。预测结果和实际吻合较好。本文提出的GM(2,1)地面沉降变形预测模型,计算简单,与原始数据的升降凹凸性保持一致。非等时距GM(2,1)模型预测地面沉降精度总体较GM(1,1)模型高,较好的反映了地面沉降的变形趋势,具有很好的实用价值。 相似文献
6.
《辽宁工程技术大学学报(自然科学版)》2017,(5)
为提高非等间隔序列数据的预测精度,采用一种新的加权方法对非等间隔序列数据进行处理,将其化为等间隔序列,在此基础之上使用初始条件的自适应性寻优函数对模型进行二次优化,得到最终的灰色预测模型.并用此模型对实测数据进行建模、分析和预测,计算残差平方和的平均数MSE的来比较该模型与其他模型的精度情况.研究结果表明:该模型在非等间隔数据处理中具有较好的预测精度. 相似文献
7.
本文以某市中石油储备库北区金属网箱挡土墙的监测数据为时间序列,由于监测时间要求及施工和天气等多方面的因素,使得此数据序列为非等间隔序列。文中通过非等间隔序列建立灰色GM(1,1)预测模型,研究金属网箱挡土墙的变形趋势。研究表明:非等间隔序列灰色GM(1,1)模型在一定时期内能比较准确的预测挡土墙的变化趋势,可为金属网箱挡土墙的防护提供较为可靠的依据。 相似文献
8.
9.
基于改进神经网络的深基坑工程变形预报 总被引:1,自引:1,他引:0
位移监测预报在深基坑工程信息化设计与施工中具有非常重要的意义.本文针对深基坑工程变形监测预报问题,将人工神经网络理论应用于深基坑工程的变形预测,建立了深基坑工程变形预报的改进人工神经网络模型,并编制了基于MATLAB的预报程序.最后以上海某深基坑工程为例,进行了深基坑开挖引起的地表沉降预测,预测结果表明,本文的方法具有较高的预测精度. 相似文献
10.
隧道围岩位多的灰色优化模型预测 总被引:2,自引:0,他引:2
传统灰色GM(1,1)模型,多达用于等间距和低增长序列监测数据的模拟预测;对非等间距和高增长序列,一般经过等间距处理或经过复杂的变换建立非等间距模型进行预测,且往往产生较大的滞后误差。在时间序列[k,k 1]区间上,用n个小区间的梯形面积代替[k,k 1]区间上GM(1,1)函数曲线对应的面积,以优化提高背景值z^(1)(k 1)的精度。这种以优化灰色模型背景值为基础构建的灰色优化模型,普遍适用于隧道围岩位移等间距或非等间距以及低,高增长监测数据序列的位移预测,能很好地模拟预测隧道围岩移的Ⅰ型,Ⅱ型,Ⅲ型时序变化特征,且都能获得很高的模拟和预测精度。 相似文献