共查询到20条相似文献,搜索用时 546 毫秒
1.
2.
MGM(1,n)模型在软土路基沉降预测中的应用 总被引:2,自引:2,他引:2
为提高高等级公路路基沉降预测的准确性,提出了一种由灰色相似关联度分析优选各个相关预测变量,构建灰色MGM(1,n)模型进行沉降预测的方法,可以更全面有效地利用工程监测数据.实例分析对比表明,这种方法比其他常用沉降预测法具有更高的准确性和可靠性. 相似文献
3.
4.
基于指数平滑技术的灰色沉降预测模型及应用 总被引:1,自引:0,他引:1
GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。将指数平滑技术引入到灰色预测模型中,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性,将平均斜率法对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列。某公路试验段实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。 相似文献
5.
由于传统灰色模型在预测波动性较大的数据时精度不高,提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进,通过原始序列的动态更新实现模型的参数更新,在此基础上与泊松曲线模型建立一种组合预测模型,并利用马尔科夫链进行残差修正,得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析,将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析,结果表明:模型对铁路软土路基沉降变形可取得较好预测效果,提高了预测精度与稳定性。 相似文献
6.
依据MGM(1,N)模型建模机理,通过数学推导获得新的模型背景值,并利用该背景值建立改进的MGM(1,N)模型。将改进的MGM(1,N)模型应用于赛果公路改建工程隧道围岩变形的预测,并引入等维灰数递补概念,以保证预测信息及时更新。通过与实测结果比较,表明改进模型在预测精度和稳定性方面较之常规MGM(1,N)模型有一定提高,且当围岩变形速率下降时,其预测值能较好的收敛。 相似文献
7.
8.
通过对桥梁桩基的沉降预测,能有效地评价和判断桥梁的稳定性,为现场施工提供一定的指导依据。同时,系统性的预测方法能有效提高预测精度,因此,将灰色模型和BP神经网络进行耦合,建立了桥梁桩基沉降的初步预测模型,再利用马尔科夫链建立误差修正模型,实现桥梁桩基沉降的分阶段预测。该模型发挥了灰色模型“累加生成”灰色序列的优点,增加了沉降数据的规律性,又充分利用了BP神经网络和马尔科夫链的非线性预测能力,具有系统性强、全面性高等优点。同时,利用2个实例进行验证,结果表明实测值和预测值较吻合。其中,实例1平均相对误差为1.37%,实例2的平均相对误差为1.39%,两实例的预测结果差异不大,具有较高的预测精度,验证了所提预测模型的有效性。 相似文献
9.
10.
沉降预测的等步长灰色时变参数模型 总被引:3,自引:1,他引:2
针对经典灰色系统模型的不足,根据灰色系统理论的信息处理原则,在模型中引入遗忘因子,建立了灰色系统沉降预测的等步长灰色时变参数模型,并在求解过程中引入遗忘因子以修正预测结果.模型充分考虑了预测系统的时变性和灰色性,从而降低对预测系统状态的预测误差.实例预测表明,灰色时变参数模型可以将工后总沉降量的预测误差控制在7.0 %以内.误差检验结果显示,预测结果的精度等级较遗忘因子修正前有显著的提高. 相似文献
11.
分析灰色GM(1,1)预测模型存在的理论缺陷,指出灰色GM(1,1)预测模型虽可用于小样本基础数据预测,但对基础沉降一类随机性强、波动性较大的数据拟合质量较差,预测精度降低。因而,提出利用马尔可夫链修正神经网络模型,其计算过程为:首先建立神经网络动态拟合模型作为基础沉降变化的基准线,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,最后通过系统状态划分样本值与模型拟合值之间的残差及中误差等指标分析计算,最终完成基础沉降的准确计算,该模型应用于基础沉降工程实例运算,取得较好效果。 相似文献
12.
13.
14.
15.
16.
17.
路基沉降预测一直是道路工程领域的研究重点和难点。常用的GM(1,1)模型所预测的路基沉降值精度相对较低,特别当数据序列急剧变化时,GM(1,1)模型的误差值可能会更大甚至失效。针对传统GM(1,1)模型存在的问题,通过改变初始值,增加扰动因素β优化初始条件。同时利用非齐次指数函数拟合模型中变量的一次累加生成序列优化背景值,提出了初始条件和背景值双优化的新GM(1,1)模型。通过MATLAB软件编程实例计算表明,双优化之后的新GM(1,1)模型较原模型相比,其预测精度有了较大幅度的提高。 相似文献
18.
由于传统灰色模型在预测波动性较大的数据时精度不高,提出一种改进的动态GM-Markov预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进,通过原始序列的动态更新实现模型的参数更新,在此基础上利用马尔科夫模型进行残差修正,得到改进动态GM-Markov预测模型。利用某高铁路基冻胀变形监测数据进行实例分析,将改进的动态GM-Markov模型预测结果与灰色以及非等间距无偏灰色模型、最优组合模型预测结果进行对比分析,结果表明:改进的动态GM-Markov模型对于波动性较大的冻胀变形可以取得较好预测效果,提高了预测精度与稳定性。 相似文献
19.
《公路工程》2019,(2)
针对传统灰色Verhulst模型在基坑沉降预测中精度较低的问题,提出优化的灰色离散Verhulst模型。在基坑沉降监测中,由于监测过程中不断有新数据增加,加上外界因素变化,影响模型系统的预测结果,导致预测结果与实际偏离,模型的精度将逐渐降低。为了实现准确预测,基于新陈代谢方法,建立优化灰色离散Verhulst一维及进化的二维新陈代谢模型。并依托长沙国际金融中心深基坑支护工程,分别运用传统Verhulst模型和优化的灰色离散Verhulst模型进行预测,并采用本文建立的优化灰色离散Verhulst一维、进化二维新陈代谢模型对基坑工程沉降进行预测,并对预测结果进行对比分析。研究结果表明:采用进化新陈代谢方法的优化灰色离散Verhulst模型精度更高,可选用该模型对基坑进行沉降预测。 相似文献