非线性耦合模型在桥梁桩基沉降预测中的应用研究

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。     

基于灰色BP神经网络组合模型的基坑变形预测研究

为了使得基坑变形预测在“少样本”“贫信息”的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。     

MGM（1,n）模型在软土路基沉降预测中的应用

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.     

BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。     

MGM(1,n)模型在软土路基沉降预测中的应用

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.     

高路堤沉降的灰色系统理论预测方法

根据灰色系统理论,在全面分析高填方路堤沉降量与时间关系的基础上,建立了2种灰色预测模型。即GM(1,1)模型和灰色Verhulst模型,并分别对某高填方路基沉降进行了实例预测,在此基础上对2种模型的适用性进行了实例对比分析,表明Verhulst模型更适合于预测路堤沉降。     

GM（1，1）模型在高填方路基沉降预估中的应用

文中讨论了不同高路堤沉降预估方法的特点,并以某高速公路沉降观测点实测数据为例,建立了灰色GM（1,1）预估模型;并编写相应程序对高路堤后期沉降进行了预测,将预测结果与实测结果进行了对比。结果表明,灰色GM（1,1）预估模型可以对实测数据进行更好的拟合,且其对后期的预测沉降量与实际沉降量更接近。     

神经网络在填石路基沉降预测中的应用

应用BP神经网络对填石路基沉降进行预测.建立BP趋势提取模型,用以代替常规BP算法中使用三次样条曲线插值的预处理方法,从而使BP预测模型能克服数据波动带来的干扰,大大提高了BP神经网络预测模型的预测效果.     

灰色系统理论在填石路堤沉降预测中的应用

基于填石路堤沉降现场试验,采用负指数曲线拟合路基沉降与时间关系,其与沉降变化趋势吻合较好,说明应用灰色系统理论预测填石路堤沉降是可行的。结合填石路堤沉降特点,首先建立相同沉降观测时段的灰色系统GM(1,1)模型,再运用最小二乘法优化GM(1,1)模型参数,并分别进行实例预测。结果表明,与GM(1,1)模型预测相比,参数优化模型预测精度会有显著提高,且能满足工程要求。     

路基沉降趋势的组合预测方法研究

路基沉降的理论值与实际监测值通常存在较大偏差,对此,在详细论述四种常用的路基沉降预测方法的基础上,提出一种基于人工神经网络与灰色模型的组合预测方法,并结合工程实例的实测数据,证实了组合方法在路基沉降趋势分析中的有效性和合理性。     

GM（1，1）模型在长沙绕城高速公路软土地基沉降值预测中的应用

通过路基填筑过程所获得的有效获信息有限,缺少较准确的描述,符合灰色系统理论最少信息原理特征,因此凭借对灰色预测模型最核心的 GM（1,1）模型的研究,建立合适的灰色预估模型来对沉降进行预测。通过模型计算与现场实测的比较,结果表明：GM（1,1）模型可用于沉降值的预测,计算精度较高。     

基于灰色系统和神经网络的实时交通量预测组合模型研究

介绍了将灰色系统理论和人工神经网络模型作为预测工具所具有的优缺点,建立了单一的GM(1,1)灰色系统模型。对传统的BP神经网络模型进行改进,在权值函数中加入一个动量因子作为阻尼系数,可大幅降低其容易陷入局部极小值的可能性。同时对学习率加以改进,使其能进行自我调节,于是构建了单一的BP神经网络模型。将单一的灰色模型和BP网络模型进行有机融合,得到了灰色系统—神经网络的组合模型。为验证这3种模型的预测效果,选取某一高速公路路段的单向交通量数据,通过Matlab软件编程进行拟合和预测,发现所建的组合模型综合预测效果最佳。     

盾构施工引起地表沉降的BP神经网络预测

根据盾构施工引起地表沉降的具体问题，结合广州地铁三号线某区间地质资料，建立了地表沉降预测的BP神经网络模型，并对网络进行了训练和测试，测试结果表明，利用神经网络进行盾构隧道施工的地表沉降预测是可行的，可用于工程实践。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。     

铁路路基沉降变形组合预测模型优化

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。     

综合神经网络法及双曲线拟合法预测软基沉降

根据湿软地基的基本特性,通过预测沉降与实测沉降的对比,应用BP人工神经网络预测短期沉降。结合曲线拟合法建立了适合开封地区的路基沉降特性的双曲线模型,成功地预测了兰许高速公路的工后沉降。     

几种预测模型在东海大桥海堤段沉降监测中的应用

介绍了灰色模型系统和沉降-时间预测模型(双曲线、指数函数、幂函数),并重点论述了这几种预测模型在东海大桥海堤段沉降监测中的拟合精度。通过对东海大桥海堤段不同时期得到的实际沉降數据与几种模型预测数据进行对比分析,結果表明幂函数沉降-时间预测模型在东海大桥海堤段沉降监测中具有较好的适用性。     

路基沉降预测非等时序改进灰色模型应用研究

讨论灰色系统理论在路基沉降预测中的应用，并对等间隔的灰色模型GM（1，1）进行改进，建立了任意时间间隔的非等时序改进灰色模型。通过实例比较，结果表明非等时序改进灰色模型的预测沉降量与实测沉降更接近，精度更高。     

沉降预估界面及沉降预测模型的对比分析

由于沉降资料分析的工作量大，所以利用Matlab5．3软件开发了沉降预估可视化界面。利用这一界面采用双曲线拟合法、指数曲线拟合法和灰色Verhulst模型拟合法对高路堤沉降进行预测，并结合工程实例分析比较3种模型的预测效果。     

基于灰色理论的高速公路软基沉降监测数据插补研究

研究了多变量灰色模型——MGM(1,n)模型对软基沉降监测数据进行插补,插补结果基本满足要求。并用常用的灰色模型修正方法对MGM(1,n)模型进行修正,修正结果较未修正前均有了不同程度的改进,数据的拟合和短期预测精度较好,但长期预测结果有待提高。同时采用了相邻监测序列的已知数据对缺失值的预测结果进行进一步修正,这样得到的预测精度有了很大提高,能满足沉降缺失值序列数据插补的要求。