共查询到20条相似文献,搜索用时 31 毫秒
1.
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。 相似文献
2.
灰色系统理论在填石路堤沉降预测中的应用 总被引:1,自引:0,他引:1
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。 相似文献
3.
4.
以灰色预测理论为基础,运用灰色GM(1,1)模型,对单桩荷载-沉降(Q-s)曲线拟舍及极限承载力进行预测,论证了以灰色系统理论对单桩承载力进行预测的意义。结果表明,灰色预测具有要求数据少、计算简单而严密、精度高等优点,在工程中具有较高的实际应用价值。 相似文献
5.
灰色GM(1,1)模型在单桩极限承载力预测中的应用 总被引:1,自引:0,他引:1
GM(1,1)灰色预测具有需求的样本数据少、建模过程简单、预测结果精度高的优点。从灰色GM(1,1)模型出发,通过典型实例,建立灰色微分模型和响应函数,对单桩P—S曲线拟合和极限承载力进行预测,以充分论证该理论在工程建设中的实际应用价值。 相似文献
6.
7.
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
8.
路基沉降变形是一个复杂的动态变化过程,常用的单变量预测模型不能考虑各沉降监测点间的相关性,不足以反映路基整体的变形规律。多变量灰色模型是单变量GM(1,1)模型在多元变量条件下的拓展,可以实现对路基中相互影响的多个监测点变形预测模型的建模和预测。实例计算表明,与单变量GM(1,1)模型相比,多变量灰色模型具有更高的预测精度,显示了该方法进行路基工后沉降预测的有效性。 相似文献
9.
通过建立灰色GM(1,1)预测模型,对边坡位移进行预测。根据预测结果并利用残差在一定区间内呈单调变化的特性,再基于残差单调性重新选取样本序列,再次建立1组新的灰色模型,从而可极大地提高边坡位移预测精度。该模型被称为基于残差单调性的GM(1,1)修正模型。 相似文献
10.
京沪高速铁路济南西客站软土路基沉降预测分析 总被引:2,自引:2,他引:0
近年来,我国高速铁路发展突飞猛进,为保证安全运营,对其路基的处理尤其重要。对京沪高铁济南西客站软土路基工程的沉降数据,分别采用灰色模型GM(1,1)和双曲线模型两种方法建立了预测模型进行分析,并编程作数据处理。结果表明:灰色模型GM(1,1)对软土路基的沉降评估更显优越性。 相似文献
11.
本文讨论了灰色系统GM(1,1)模型用于"义乌·中国小商品指数"的预测问题,介绍了灰色系统GM(1,1)模型的预测过程,同时证明了模型在小商品指数预测中应用的可行性,并对"义乌·中国小商品指数"中的周价格总指数进行预测,结果表明了该模型预测的有效性。 相似文献
12.
13.
14.
王雪枫 《内蒙古公路与运输》2011,(5):28-32
大跨连续刚构桥线形控制质量关键取决于悬臂施工过程中各节段的预拱度取值。基于灰色GM(1,1)模型理论,将大跨连续刚构桥各节段预拱度值的理论计算值和现场实测值之间的差值作为灰色微分序列,建立新陈代谢GM(1,1)模型。结合镇大公路京杭运河大桥主桥施工监控项目工程实际,依据灰色模型对大桥施工过程中各节段的预拱度进行预测,从而控制桥梁线形。监控实践表明,灰色GM(1,1)模型能够较精确地预测施工过程中各节段的预拱度,很好地应用于大跨连续刚构桥梁的线形控制中。 相似文献
15.
16.
17.
18.
19.
灰色系统理论已经在岩土工程领域有广泛的应用,文章把灰色系统中的GM(1,1)模型和GM(2,1)模型应用到基坑工程中,并编制了预测计算程序GYC1.0用于锚杆拉力、地面沉降和地面水平位移预测计算。工程实践说明结果GM(1,1)模型比GM(2,1)模型更可靠,稳定性高,但是GM(1,1)模型短期预测时效果良好,中期预测时效果偏差较大,长期预测则要慎重。 相似文献