某边坡滑移桥梁应急检测及变形监测

某高速公路桥梁因降雨后桥台边坡滑移出现墩台变位沉降和梁体下沉开裂病害，在应急处治施工期间采用现场检测及变形监控量测的方法，基于既有病害检查和统计分析，布置桥梁墩台、桥面的变形监控观测网，监测其位移、沉降的变化规律和发展趋势，了解并掌握桥梁结构的实际工作状况。为保障应急处治施工过程中的结构安全，对墩台和桥面进行逐日不间断的变形监测，通过累积的观测数据对桥梁变形情况进行分析、预测，判断边坡滑移及桥梁变形已趋于稳定，结构安全和施工安全风险较小。     

边坡位移时序预测的组合模型研究

将边坡变形预测看作一个特殊的凸二次规划问题,以加权一阶局域法（AOLMM）、Lyapunov指数预报法以及神经网络预测方法（ANN）为基础,建立了边坡变形预测的组合模型,应用动态规划方法求解组合预测模型的最优解,以达到有效利用各种预测方法提供的信息和提高模型预测精度的效果．通过工程实例研究表明,该组合预测模型较单一预测模型精度有较大提高,表明组合预测模型的可行性及有效性．     

穿越采空区桥隧工程危害效应分析及对策

青岛-银川高速公路的康家沟大桥与庙梁隧道下伏康家沟煤矿采空区,为确保桥隧工程的安全,基于MIDAS/GTS有限元程序构建了FLAC3D三维计算模型,对分期采矿形成地下采空区进行注浆处治,对桥隧工程施工过程中地表变形响应、隧道初衬结构、桥梁和墩台的变形及受力特征等进行数值模拟分析,揭示了不同工况条件下的地表变形程度,确定了地表沉陷盆地特征,对隧道初衬结构和桥梁墩台进行了变形和受力关键部位的预测分析,并提出了有效工程对策.研究成果对指导类似桥隧工程设计和施工有重要指导意义.     

基于多元回归分析的中国城镇失业率问题研究

从宏观经济层面分析影响我国城镇失业率的相关因素，采用全序列法对所采集的原始数据进行无量纲化处理。分别应用1978-2009和1990-2007年数据得出多元回归分析只适合对失业率的短期预测。最后根据预测模型得出结论扩大出口，减少进口有利于减少我国城镇登记失业率，多元回归预测只适合对城镇失业率进行短期预测。     

基于RBF神经网络的热轧碳钢变形抗力预测

以凸轮式高速形变试验机得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了碳钢的变形抗力与其化学成分、变形温度、变形程度及变形速度对应关系的RBF神经网络预测模型.通过对函数newrb()中宽度系数的调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.结果表明,与传统的BP网络模型相比较,RBF网络模型具有更高的精度和较强的泛化能力.     

网架结构变形的灰色预测

对网架结构特征点进行等时刻观测,利用灰色理论建立网架结构变形的预测模型,对网架结构的变形发展趋势进行预测分析,将预测结果与实际观测结果进行比对,确定灰色理论预测模型适用于网架结构的变形观测。在预测的精度分析中,采用残差检验的方法,通过对预测变形数据的绝对误差和相对误差进行系统分析,认为灰色理论的预测模型对网架结构的变形发展趋势具有较可靠的预见作用。     

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。     

基于微分方程法的季冻区桥梁墩台内力计算分析

本文以Maple计算软件为平台,利用其求解微分方程组的强大功能,提出了一种对季冻区桥梁墩台进行内力计算的新方法。本方法通过对切向冻胀力作用下的桥梁墩台进行受力分析,划分结构计算单元,建立各墩台的微分方程组表达式,并根据混凝土的收缩、徐变以及温度影响力作用下,整桥各墩台之间及墩台各计算单元之间协同变形确定方程组的边界条件,求解出桥梁各墩台在切向冻胀力作用下的弯矩、剪力与位移的函数解析式。通过与桥梁博士分析软件的计算结果相对比,验证了本方法可以作为季冻区桥梁墩台内力计算分析方法的一种有效补充,并在实际工程中应用推广。     

微分方程法对季冻区桥梁墩台内力计算分析

以Maple计算软件为平台,利用其求解微分方程组的强大功能,提出了一种对季冻区桥梁墩台进行内力计算的新方法。通过对切向冻胀力作用下的桥梁墩台进行受力分析,划分结构计算单元,建立各墩台的微分方程组表达式,并根据混凝土的收缩、徐变以及温度影响力作用下,整桥各墩台之间及墩台各计算单元之间协同变形确定方程组的边界条件,求解出桥梁各墩台在切向冻胀力作用下的弯矩、剪力与位移的函数解析式。通过与桥梁博士分析软件的计算结果相对比,验证了本方法可以作为季冻区桥梁墩台内力计算分析方法的一种有效补充,并在实际工程中应用推广。     

一种多核神经网络集成的地震要素预测方法

为了提高地震要素的预测准确度,在同一个网络模型中构建多种不同类型的基核函数,对不同种径向基函数构建多核神经网络集成模型,以提高网络的精度.从确定最优径向基神经元数、适当加大训练的目标误差等多个方面加以优化,减小最小训练误差和提高预测精度.采用多元回归分析法,对样本进行拟合得到子预测的多元回归系数,对子预测模型进行多元回归集成,数据反归一化处理,最终得到了经过回归集成的多核RBF预测模型.结果表明,这种多核神经网络集成的地震要素预测方法所建立的多元回归预测集成模型,能够使实际值与预测值的拟合达到最佳,从而获得较高精度的地震要素预测值.     

基于灰色-马尔科夫模型的桥梁运行状况预测

为预测桥梁的实际运行状况,以在役159座桥梁实测数据为依托工程,基于灰色-马尔科夫模型与最小二乘法曲线拟合的相关原理,建立桥梁预测模型,并与实际状况数据对比分析。结果表明:灰色-马尔科夫模型预测结果与实测结果相对误差小于2%,结果满足工程需求,其研究成果可为在役桥梁技术状况评定提供参考。     

面向PS-InSAR技术的桥梁随机形变规律

为了建立面向合成孔径雷达干涉测量(InSAR)技术的桥梁安全预警体系,需要考虑桥梁在随机荷载下的形变规律。由于桥梁的整体形变特征能由桥梁形变关键点的形变来表征,故在桥梁形变关键点上设置了人工PS点,利用蒙特卡罗法-有限元模拟技术,在不同的日温时段上探讨目标桥梁的形变关键点的随机形变规律,依据随机车流荷载模型探讨随机车流对桥梁形变关键点随机形变规律的影响。研究结果表明,统一桥梁的形变关键点与人工PS点,将蒙特卡罗法-有限元模拟技术和PS-InSAR技术结合起来,可将InSAR技术与桥梁工程联系在一起;随机系统温度对桥梁形变关键点的形变有明显的影响,甚至可达cm量级;将日温温度划分成4个时间段后对桥梁做蒙特卡罗法-有限元模拟,就能在SAR图像数据分析时剔除InSAR量测中随机系统温度因素的影响;随机车流下桥梁形变关键点的形变在mm量级,远小于随机系统温度对桥梁形变关键点形变的影响。     

基于小样本贝叶斯网络结构学习的质量绩效评价模型研究

采用一种多元回归加PC算法的改良BN结构学习方法,有效地克服了小样本训练数据下的结构学习可靠性问题﹒从铁路建筑施工现场收集到研究数据后进行探索性因子分析,并萃取出11个质量绩效动因要素;以多元回归分析方法找出5个直接影响因子,并以此为先验知识构建BN初始网络结构,再应用PC算法进行结构学习,一套理想的质量绩效测度模型被最终获得﹒以3个企业的实际样本数据为依据,进行贝叶斯网络推理和检验,检验结果表明模型具有较好的适切性和科学性﹒     

时间序列在路面平整度预测中的应用

为了解决国际平整度指数IRI预测模型准确性不高的问题,以京沪高速公路实测IRI数据为基础,对log istic回归、多元回归、时间序列这3种建模方法分别进行分析.并根据京沪高速公路平整度实测数据,建立了几个有不同数量滞后值的时间序列路面平整度预测模型,根据与实测值的比较,找出最优的时间序列路面平整度预测模型.分析结果表明:利用传统的log istic回归和多元回归方法难以建立准确预测路面平整度发展趋势的模型;时间序列方法具有较高的预测精度,且其易修正性是其他预测方法所不具备的.     

城市污水排放的灰色马尔柯夫预测模型

应用数据加载法提出了ＧＭ（１,１）的修正模型,通过灰色预测法和马尔柯夫链预测法的耦合,建立了城市污水排放量的灰色马尔柯夫预测模型。灰色马尔柯夫预测模型具有灰色系统应用少量数据即可建模,以及马尔柯夫链预测可以预测数据值波动较大的序列的特点。计算结果表明,城市污水排放量的预测值很好地吻合了实际值。     

基于小波变换和多元回归的航天器热循环试验系统温度均匀性分析

为了解决航天器热循环试验系统的温度均匀性问题,提出了一种基于试验研究、小波变换和多元回归分析相结合的预测模型.利用小波变换对试验所测湍流压力信号进行滤波处理,并用多元回归统计方法分析了系统中各变量之间的关系,同时,通过试验数据验证了预测模型的准确性.结果表明:所提出的模型可用于预测系统在不同试验条件下的温度均匀性;通过小波变换能够提高预测精度.     

基于周日竖向形变的桥梁健康检测方法

提出了基于周日竖向形变的桥梁健康检测方法(亦即竖向形变响应法),该方法借助动态GPS技术,通过测定桥梁上若干点在自然交通状态下的周日竖向形变,以此对桥梁的健康状况进行评估.周日竖向形变可显示桥梁的变形自恢复能力,而自恢复能力越强则其健康状况就越好.通过对一座桥梁进行检测的实例,说明健康检测的必要性及优越性.     

主成分回归分析在经济学中的应用

本文针对销售数据实例,采用多元回归分析,得到回归预测模型,但由于多元统计回归不能处理多重共线性,将产生较大误差。为了避免这种共线性,本文采用主成分回归模型来预测销售利润,得出优于多元线性回归的预测模型。这种回归不但可以在多元的情况下起到降雏的作用,还可以排除多元线性回归不能解决的多重共线性,使误差减小,得到更实用的预测模型。     

大坝变形多尺度分析ELMD-LSSVM预测模型

针对局部均值分解LMD实现过程中存在的模式混淆现象,利用局部均值分解的原理,提出一种结合总体局部均值分解(ELMD)与最小二乘支持向量机(LSSVM)方法的多尺度大坝变形预测模型.利用ELMD方法对大坝变形序列进行分解,得到其PF分量,利用最小二乘支持向量机进行外推预测,再把各PF分量的预测结果进行叠加重构,得到大坝变形预测值.通过实例验证分析,比较多元回归分析、LSSVM和ELMD-LSSVM三种模型在大坝变形监测数据处理中的拟合和预测结果.研究结果表明:ELMD-LSSVM方法能够减弱模态混叠现象的影响,充分发掘数据本身所蕴含的物理机制和物理规律,为大坝变形多尺度预测分析奠定较好的基础.     

基于小波去噪和神经网络的建筑工程沉降变形预测模型

为了提高建筑工程沉降变形预测的准确性,设计了基于小波去噪和神经网络的建筑工程沉降变形预测模型。首先采集建筑工程沉降变形相关数据,并采用小波去噪消除噪声对建模过程带来的干扰;然后采用神经网络对去噪后的数据进行建模,构建建筑工程沉降变形预测模型;最后通过建筑工程沉降变形预测实验对预测模型的性能进行了测试。测试结果表明,该模型的建筑工程沉降变形预测值与实际值吻合得较好,沉降变形预测结果优于其他模型。