向量时序SVM-AR模型在公路软土地基沉降中的预测研究

为提高公路软土地基沉降预测的精度,提高工程的安全性,文中分别探讨了SVM模型和时序AR模型适用范围和特点,并结合2类模型各自优点提出SVM-AR模型。该模型用SVM模型预测趋势沉降量,用AR模型预测随机沉降量,然后组合获得预测沉降量。工程实例表明,SVM-AR比SVM模型预测结果更为准确,更好地反映公路软土地基沉降过程。     

锦州民用机场沉降变形监测及预测研究

采用二等闭合水准路线测量方式对锦州民用机场跑道、站坪及联络道的工后沉降进行周期性监测,选用不同回归数学模型对沉降监测结果进行回归分析,并与实测沉降进行对比,确定合适的工后沉降预测模型。结果表明,Peal回归模型的预测沉降与工后实测沉降极为接近,对数模型的后期预测结果与实测值接近,采用Peal模型、结合对数模型对锦州机场工后最终沉降进行预测更准确;机场工后沉降监测宜采用多模型结合方案。     

路堤沉降与稳定观测数据处理方法对比分析

用双曲线回归拟合法、指数曲线拟合法和星野法3种方法进行了路堤沉降与稳定观测数据的处理，通过对拟合结果的分析说明了三种方法的各自特点。结果表明，3种方法的短期沉降预测能力均较好，星野法模型较其它两个模型与实际最贴近，双曲线模型与星野法模型拟合效果相近，而指数曲线模型预测的最终沉降量较另外两个模型偏大。     

灰色模型在路基沉降预测中的研究及应用

以湖南益马高速公路典型路基断面实测数据为研究对象,采用GM(1,1)和Verhulst两种灰色系统模型对沉降数据进行建模分析,得到不同维度下拟合公式的预测值及c值,并据此分析了预测精度以确定最佳维度;在最佳维度下计算了两种模型所得预测数据的拟合误差,进而确定了两种模型的适用预测时间。结果显示:在最佳维度7下,灰色模型GM(1,1)可用于路基沉降4个月内的预测;Verhulst模型可用于路基沉降14个月内的预测,其预测结果可为后续施工组织提供参考。     

基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与BP神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。     

基于集对分析理论的路基沉降组合预测模型研究

为实现不确定性因素影响下的路基沉降预测,该文基于集对分析理论和统计决策思想构建路基沉降组合预测模型。该模型首先选定单项预测模型,并根据单项预测模型的预测结果将预测值和实测值构建为集对;然后应用正态分布理论确定集对关系划分标准,基于联系数确定组合权重系数,实现预测信息的优性组合;最后通过预测误差评价提出组合预测模型,并通过某路基沉降数据验证了该组合预测模型应用于路基沉降的有效性。     

基于多变量的集成预测模型在隧道拱顶沉降变形预测中的应用

隧道拱顶沉降是多种因素共同作用的一个十分复杂的过程,很难用数学模型进行精确计算。实际施工过程中,围岩情况经常发生变化,为满足设计要求,必须严格控制隧道拱顶沉降。传统的预测模型都只是利用拱顶沉降监测数据建立单变量模型进行拟合并预测。隧道开挖过程中,拱顶变形所受影响因素较多,导致监测数据序列中常常出现离散型较大的数据,单一变量模型预测精度受这些离散数据的影响较大,而且筛除离散型较大的数据会直接影响模型预测精度,因此单一模型只能对拱顶沉降量做粗略的估计。针对这一问题,根据隧道变形的同时性和内在相关性,利用拱顶变形监测数据和同期两侧收敛变形监测数据构建带输入变量的时序模型、GM(1,2)模型和BP模型分别对拱顶沉降变形进行预测,并运用实例验证了所建模型的有效性。通过对两种模型的预测精度进行对比可知,单一变量的时序模型只能对变形的趋势作出预测,预测精度较低,难以对拱顶沉降进行有效预测,而单一变量的GM(1,1)预测模型则完全失效。为了避免单一模型自身的缺陷导致预测精度降低,同时使不同模型间优势互补,本研究建立了基于以上3种带输入变量模型的集成预测模型,其加权系数采用熵值法确定;最后将该模型运用于宝汉高速白庙子隧道中进行检验,结果表明该集成模型更有效,预测精度更高。     

基于灰色模型的高速公路路基沉降预测

在公路施工过程中,路基施工质量的好坏是确保公路施工质量的关键,为确保路基施工质量,必须掌握路基沉降的变化情况,特别是要能够较为合理地预估路基沉降的变化情况.文中利用灰色系统理论建立GM(1,1)灰色预估模型及其残差模型,并应用于某高速公路路基沉降变形预测中,预测结果和实测结果能较好地吻合,验证了预估模型的精度和预测方法的可行性.     

确定软土路基沉降系数的ANN模型

沉降系数的确定是软土路基沉降计算中的一项重要内容,在对沉降影响因素定性分析的基础上,用前馈型人工神经网络(ANN)模型来计算沉降系数。首先,根据沉降影响因素建立三层型前馈型神经网络模型。然后,利用其非线性映射能力,通过样本学习,建立软土层厚度、硬壳层厚度、填土高度、施工工期等因素与沉降系数之间的定量关系,计算沉降系数,有效地减少了确定沉降系数时的主观性和盲目性。最后,用该方法对某高速公路的沉降系数进行了验算,得出了与实测资料比较一致的结果,表明利用ANN模型的非线性映射能力建立沉降系数ms与影响因素之间的对应关系,确定沉降系数ms是有效而且可行的。用ANN模型确定的沉降系数ms修正分层总和法计算结果,与传统经验方法确定的沉降系数修正沉降量相比,能够更全面地反映各种因素的影响,提高沉降量计算的精度。     

运用灰色理论与人工神经网络预测公路沉降

介绍了灰色理论中的G（1,1）模型、BP人工神经网络模型和灰色BP神经网络模型;根据岳阳城陵矶进港道路管桩处理后的路基沉降实测资料,分别运用这三种模型进行沉降预测,并对预测结果进行了分析,比较了这三种方法预测沉降的效果。