对隧道施工地质超前预报工作的反思与探讨

通过对隧道施工地质问题的回顾与地质预报工作现状调查，对主要的几种隧道施工超前地质预报手段及特点进行了归纳，对存在问题进行了分析。提出了地质预报工作是信息化施工的延伸，探测技术可尝试对开挖面前方地质体工程特性进行监测与控制；预报应考虑施工过程在地质体上的作用等观点；提倡制定地质预报规程，统一作业水平，建立地质预报评价体系，进行多手段、多方法的协同预报思路。     

基坑变形组合预测分析及安全性评价

为提高基坑变形预测精度及合理评价基坑所处的安全状态，提出以支持向量机、极限学习机和GM(1,1)模型为单项预测模型，构建定权法、非定权法确定组合权值的组合预测模型，并利用累计变形量与变形控制值构建基坑变形的安全性评价指标，以判断基坑所处的安全状态，且采用重标极差法分析基坑安全性的发展趋势。实例分析表明： 1）组合预测较单项预测具有更高的预测精度，且能有效降低预测风险，增加预测结果的稳定性； 2）非定权组合的预测精度要略优于定权组合的预测精度，且以BP神经网络权值法的组合效果最优； 3）通过对某基坑的安全性分析，得知该基坑处于危险阶段，需采取必要的安全措施，且预测结果与安全分析结果一致，验证了预测方法和安全性评价方法2种分析方法的有效性和准确性。     

短时交通流量两种预测方法的研究

实时、准确的完成短时交通流量预测是实现交通控制与诱导的关键。采用基于L-M算法的BP神经网络预测方法和基于混沌时间序列的预测方法对短时交通流量时间序列进行了预测研究,给出两种方法的基本原理及具体的预测步骤,并对一组实际的流量数据进行了预测。仿真结果表明:两种方法都能较准确的预测交通流量,但混沌时间序列方法的实时性更好一些,更适合于预测短时交通流量。     

公路隧道开挖围岩位移预测及稳定性预报

建立了新的隧道工程开挖围岩位移预测和稳定性预报模型及其分析方法。对现有各种位移预测模型进行了评述 ;建立了适宜的围岩位移预测模型和稳定性预报模型 ;建立了不同变形特征下相应的围岩稳定性判断准则 ,提出了不同预测模型的选取标准 ;给出了隧道围岩稳定性预报方法和长期稳定指标的计算方法 ;介绍了自编的 DPSF程序 ;据此对现场隧道工程进行了位移预测和稳定性预报 ,对预报结果进行了讨论     

TGP隧道地质超前预报技术的优势

地震波预报是实现长距离地质超前预报的重要技术手段,其成果质量对于隧道的安全施工和信息化施工具有重要意义,为此,从地震波预报技术的研究进程、仪器设备的技术性能与适应性、检波器与多波多分量检测工作要求、接收耦合条件与信号的幅频特征、采集的触发方式与误差、干扰波的认识与处理、成果的可靠性分析、3D地质预报成果图的内容与表现方式、信号的重复利用与对比分析、参数法预报的评述与岩体的各向异性等10个方面进行论述。理论分析合理,工程实践证明可靠有效。对于促进地震波预报技术的科学发展、克服目前工作中的盲目应用具有一定的指导意义。     

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。     

湿式离合器出油口甩出油温度预测方法

为了实现对湿式离合器出油口甩出油温度传感器的冗余校验和自我诊断，提出了一种基于粒计算约简的离合器出油口甩出油温度的模糊预测方法。首先分析出油口甩出油温度的影响因素，将主要影响因素作为预测输入量，并采用模糊推理理论预测当前离合器出油口甩出油温度。在设计模糊预测方法的过程中，通过分析实车数据得到车辆行驶时离合器处于高滑摩功率过程和低滑摩功率过程的不同特性，分别确定相对应的隶属度函数和模糊预测规则，从而进一步提高出油口甩出油温的预测精度。为了提高模糊预测算法的实时性，基于模糊预测规则创建模糊决策表，模糊输入量和模糊输出量分别作为决策表的条件属性集与决策属性集。利用粒计算理论对模糊决策表的条件属性集进行属性约简，通过削减冗余信息有效降低模糊输入量和模糊预测规则的个数。最后利用实车采集的数据对比分析约简前后模糊预测算法的单步运行时间和预测误差等性能指标。试验结果表明：基于粒计算约简的模糊预测算法能够有效保障预测精度，同时拥有更少的模糊预测规则数和模糊输入量，有效解决了模糊预测算法占用资源较多以及实用性较差的问题。     

基于混沌递进预测模型与趋势检验的深基坑变形规律研究

为提高基坑变形预测精度及稳定性,首先,利用遗传算法优化BP神经网络的结构参数,再将参数优化后的BP神经网络与灰色模型结合,构建出GA-BP神经网络模型,并利用该模型实现基坑变形序列的初步预测; 其次,基于残差序列的混沌特性,再利用混沌理论进行残差优化,进一步构建考虑混沌特性优化的GA-BP神经网络模型; 最后,将SR检验引入到基坑变形趋势判断中,以检验预测结果的准确性。实例检验表明： 通过遗传算法及混沌理论的递进优化,能逐步提高预测精度,验证文章预测模型的有效性,且预测结果与SR检验结果的一致性较好,说明该预测模型的可信度高。     

基于决策树的高速公路事件持续时间预测

利用决策树方法对高速公路事件持续时间预测问题进行研究。首先在借鉴各国研究经验的基础上，根据所研究事件数据集中的事件持续时间数据的分布特征确定构造基于决策树的预测方法；然后用整理得到的660组事件数据，通过对各类事件的显著性分析，建立高速公路事件持续时间预测决策树，并用同一数据集中未用于决策树构造的170组数据对决策树的预测效果进行检验。检验结果表明：所开发决策树的预测值与实际值的相关系数为0．8423，预测结果基本能够反映真实的事件持续时间情况。     

The influence of alternative data smoothing prediction techniques on the performance of a two-stage short-term urban travel time prediction framework

This article investigates the impact of alternative data smoothing and traffic prediction methods on the accuracy of the performance of a two-stage short-term urban travel time prediction framework. Using this framework, we test the influence of the combination of two different data smoothing and four different prediction methods using travel time data from two substantially different urban traffic environments and under both normal and abnormal conditions. This constitutes the most comprehensive empirical evaluation of the joint influence of smoothing and predictor choice to date. The results indicate that the use of data smoothing improves prediction accuracy regardless of the prediction method used and that this is true in different traffic environments and during both normal and abnormal (incident) conditions. Moreover, the use of data smoothing in general has a much greater influence on prediction performance than the choice of specific prediction method, and this is independent of the specific smoothing method used. In normal traffic conditions, the different prediction methods produce broadly similar results but under abnormal conditions, lazy learning methods emerge as superior.     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

不同优化类型组合预测模型在沙漠软土路基的应用

某沙漠重载铁路工程，地势低洼路段雨季易积水，加上原有高地下水位的长期浸泡和植物根系的有机分解积累，形成了淤泥质或泥炭质软土地基；运用理论分析、现场监测等方法，从权重分配合理性和子模型组合结构两方面探讨组合预测模型的精度优化效果，开展沙漠淤泥质软土路基沉降预测研究。结果表明：双曲线法、三点法、指数曲线法、泊松曲线法、BP神经网络5种预测模型均能达到较高水平的拟合程度；变权重组合预测模型、引入鲸鱼优化算法的自适应权重组合预测模型、滚动动态组合预测模型对于预测精度、效果的提升较小；引入BP神经网络的误差补偿组合预测模型，极大程度地降低了人为建立子预测模型组合结构所产生的精度影响，在沙漠淤泥质软土路基中具有更优的预测精度及效果。     

公交到站时间预测研究现状与发展趋势

实时的公交到站时间预测是智能公交的重要组成部分,准确的预测有利于帮助居民进行出行规划和减少等待时间.通过研究公交到站时间预测的原理和方法,系统总结了基于GPS、APC等数据的统计学方法和分析模型.对历史平均法、神经网络、卡尔曼滤波、支持向量机和基于概率的预测模型等几种典型方法的预测原理进行了介绍,从预测精度、实时性、计算复杂性等几个方面对模型的优缺点进行了比较.分析了公交到站时间预测发展趋势,提出了该领域需要进一步研究的问题.      

岩溶隧道超前地质预报几种主要物探方法的选择与实践

超前地质预报的物探方法有多种，由于岩溶发育空间分布的复杂性和岩溶含水介质充填物的多样性，单一的超前地质预报方法都具有局限性，如何针对岩溶的地球物理特征，选择适用的地质预报物探方法，以提高预报成果的准确度非常必要。通过对TSP法、地质雷达法、瞬变电磁法等超前地质预报主要物探方法工作原理、有效探测距离和地球物理特征等进行分析，论述岩溶隧道超前地质预报方法的理论依据和方法选择。以九景衢铁路何家隧道为例，详细论述施工过程中采用的几种主要超前地质预报方法以及组合方法，通过对比分析，验证和总结几种主要物探方法预报成果的适用性和准确度。实践成果表明： 1）单一的超前地质预报方法都具有局限性，难以应对岩溶隧道的复杂地质条件和施工高风险，需采取“三结合”措施，选取不同的超前预报方法作为组合方法，相互验证。2）TSP法未能对是岩溶还是断层破碎带进行区分，必须结合其他方法，进行对比验证才能区分； TSP法+地质雷达法长短结合探测方法，是一般简单岩溶隧道通用的组合。3）瞬变电磁法在岩溶隧道探测中效果明显，判译解释准确度高，适合大型岩溶强发育地段； 超前水平钻+瞬变电磁法+地质雷达法+水文监测地质预报组合，是复杂岩溶隧道超前地质预报可采用的有效组合。叠加超前水平钻与瞬变电磁剖面图进行分析，能详细分析出岩溶的空间分布和形态特征。     

高铁路基沉降并联式组合预测研究综述

高铁路基沉降组合预测研究取得了一定成果,但有关理论和流程仍不清晰,在梳理常用单项预测法适用性的同时,对高铁路基沉降评估指标进行了归纳总结,定性和定量分析了组合预测模型筛选策略;围绕并联式组合预测权重和最终沉降量的确定展开评述;应用工程实例展现了整套流程.以期为预测评估工作提供科学化、系统化、标准化的依据.     

客运专线铁路大断面隧道TSP地质超前预报原理及应用

介绍了TSP超前地质预报的原理，结合客运专线合武铁路红石岩隧道，介绍了TSP203超前地质预报的方法过程，并对预测结果进行分析。说明了TSP超前预报技术在客运专线铁路隧道大断面开挖信息化施工、确保施工安全中的重要性和实用性。该项技术在合武铁路客运专线建设中取得了良好的效果并得到了广泛的应用。     

差分法在路基沉降预测中的应用

路基沉降预测是保障道路安全施工的重要工作之一。在预测工作中，模型选取很关键。本文利用差分法对主要路基沉降预测模型，包括对数曲线预测模型、皮尔曲线模型和多项式曲线模型等方法进行差分计算。对工程现场实测值进行差分分解，探讨适合不同监测点的预测模型，将其差分法分析的最佳拟合模型应用于实际监测值拟合，研究结果表明，拟合效果较好，能够快速确定预测模型，可避免模型尝试的盲目性，对类似工程具有较好的应用价值。     

基于动态GM-Markov优化模型的高铁路基冻胀变形预测研究

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。     

基于优化支持向量机-混沌BP神经网络的基坑变形预测研究

为解决基坑变形预测精度低的问题,采用小波去噪分离基坑变形的趋势项及误差项序列,并利用多种优化的支持向量机对趋势项序列进行预测,采用混沌BP神经网络对误差项序列进行预测,将两者预测结果进行叠加即得到变形预测值,且可根据后期监测数据的更新,实时增加数据信息,达到跟踪预测的目的。经过3个实例检验,得出小波函数的去噪效果相对较优,且预测结果的相对误差均值均小于2%,验证了优化支持向量机-混沌BP神经网络模型的有效性,且该模型具有预测精度高、适用性强等优点,对掌握基坑变形的发展趋势及评价基坑的稳定性具有重要意义。     

基于递进复合式组合预测模型的软岩隧道大变形预测研究

为实现对隧道大变形发展趋势的判断,达到优化现场施工,避免出现施工安全问题的目的,采用LS-SVM和优化GM(1,1)模型对隧道变形进行预测,并以误差平方和为指标,将两者的预测结果进行组合,再进一步利用BP神经网络对前者的预测误差进行修正,以实现综合预测。通过实例检验,得到最小二乘法对支持向量机的优化效果要优于对灰色模型的优化效果,且误差修正模型能进一步有效地提高预测精度,使预测值与实测值更为接近;同时,通过本文的预测结果,得到后4个周期的变形仍具有持续变形的趋势,应采取有效措施,避免工程事故的发生。本文预测模型具有较好的预测精度及适用性,对隧道大变形研究具有一定的参考意义。