共查询到10条相似文献,搜索用时 15 毫秒
1.
滑坡预测预报的Verhulst反函数残差修正模型 总被引:1,自引:0,他引:1
Verhulst反函数模型适用于非负、单调、监测数据波动小的预测问题,因而对随机波动性较大的数据序列拟合较差,故预测精度低.BP神经网络预测模型适用于随机的非线性动态数据系统,可弥补Verhulst反函数预测模型的局限性.在Verhulst反函数预测预报模型的基础上,增加残差项,运用BP神经网络对残差序列进行二次建模分析,形成滑坡失稳时间预报的verhulst反函数残差修正模型预测方法.应用VerhuIst反函数残差修正模型和Verhulst反函数模型预测方法,对国内外滑坡监测实例进行滑坡预测预报的结果表明,Verhulst反函数残差修正模型预测值的预报结果更接近实际观测数据,预测值的平均相对误差较Verhulst反函数模型减少1%~7%,预测精度高,适用范围广. 相似文献
2.
《铁道勘察》2020,(4)
为充分利用铁路构筑物沉降数据表现出来的空间趋势性与相关性,提高预测结果的整体稳健性和准确性,提出一种新的思路:先对构筑物沉降数据序列进行分析,若其表现出较强的空间相关性,则可采用时空序列模型对构筑物沉降数据序列进行建模预测。以江苏省境内某铁路一处3孔箱形桥为例进行验证,该箱形桥上布设有6个沉降监测点,通过分析,监测点沉降数据序列的相关性系数高达0.99,说明该箱形桥的沉降表现出很强的空间趋势性和相关性,故采用时空序列模型对该箱形桥的6个沉降监测点进行建模和沉降预测,并将预测结果与实际监测值进行对比。对比结果表明,时空序列模型预测结果的4种误差指标均小于一般时间序列模型,证明该方法的预测结果更具稳健性和准确性。 相似文献
3.
基于时间序列分析的地铁变形监测数据建模与预报研究 总被引:1,自引:0,他引:1
变形监测数据分析与预报是变形数据处理中的重要内容,可靠的预报是决策的重要依据。根据时间序列的特性,阐述了如何应用该方法对变形监测数据进行建模与预报,并通过某地铁变形监测数据进行建模,验证该方法的可靠性和有效性。 相似文献
4.
分析了随机时间序列的统计预测方法,并利用ARMA模型对深沪市未来短期指数进行了有效预报. 相似文献
5.
6.
7.
为验证GM(1,1)模型在黔张常铁路高山隧道巨型溶洞超厚回填路基沉降监测和预报项目中的适用性,根据现场实际情况布设沉降监测基准网和监测网并进行数据采集,选取某一断面的3个监测点在某一时期内的9期监测数据进行处理与分析,根据累计沉降量数据的变化关系建立GM(1,1)模型,该模型的后验差值比C和P均达到Ⅰ级拟合精度。利用GM(1,1)模型对该段路基的累计沉降量和沉降趋势进行预测,预测结果与该巨型溶洞超厚回填路基的实际沉降情况吻合较好,预测结果可供后续施工组织参考。 相似文献
8.
沪昆客运专线姚家隧道采用新奥法施工,施工位移监测对于评价围岩稳定性和支护结构合理性起着重要作用,但监测数据具有离散性,测量误差具有随机性.将隧道拱顶下沉数据序列视为随机过程,应用时间序列分析方法,建立自回归模型,对姚家隧道拱顶下沉监测数据进行拟合分析,利用 Matlab 软件中有关时间序列函数编制计算程序,运用有理函数判断围岩的稳定性.应用所建立的模型对拱顶下沉量进行10 d的预报,预测数据与实测数据符合较好.通过对观测沉降数据序列动态建模,并依据预测数据和围岩支护变形管理规定动态指导隧道施工和防护,有利于提高隧道施工安全. 相似文献
9.
灰色线性回归组合模型在地面沉降预测中的应用 总被引:1,自引:0,他引:1
选择合适的沉降与时间的关系模型对于沉降预测而言是很重要的。根据地面沉降机理与曲线特征,对某数据序列进行了光滑性和指教规律性检验,使用线性回归和灰色模型的组合模型对该数据序列建模和预测,所得平均相对误差和均方差比值都优于GM(1,1)。研究结果表明,具有线性特征的沉降数据序列选用灰色线性回归组合模型进行短期预测效果更好。 相似文献
10.
研究目的:为了解和掌握崩滑体的演变过程,及时捕捉崩滑灾害的特征信息,为崩塌、滑坡的正确分析评价、预测预报及治理工程等提供可靠资料和科学依据。研究方法:本文对目前国内外崩塌、滑坡地质灾害监测方法、仪器及监测目的、选择手段等进行了综述。
研究结论:监测既是崩塌滑坡调查、研究和防治工程的重要组成部分,又是崩滑地质灾害预测预报信息获取的一种有效手段。监测可掌握塌、滑坡的变形特征及规律,预测预报崩滑体的边界条件、规模、滑动方向、失稳方式、发生时间及危险性,及时采取防灾措施,尽量避免和减轻灾害损失。 相似文献