路基工后沉降的多目标优化组合预测

路基的工后沉降预测是路基建设中的一个重要课题,以兰武（兰州-武威）二线路基工后沉降的实测数据为依据,对比星野法、指数曲线法、双曲线法、以及由3种单项预测方法构成的优化组合预测法的拟合精度和预测精度,结果表明拟合的效果和预测的效果随着数据量的增多而更优,但单项预测法不稳定,而优性组合预测法比较稳定,无论拟合数据量多少,其拟合精度和预测精度及其稳定性都比较好,且两者能够保持较好的一致性．另一方面,优性组合预测法中的加权系数可用于评价单项预测方法的适应性．     

软土路基沉降的联合法预测研究

为了探究一种能同时确保先行性与准确性的软土路基沉降预测方法,依托工程实际情况,结合工程地质勘查资料、工程实测以及路基沉降试验,对所选取的典型断面进行沉降预测分析,提出了一种联合优化型的软土路基沉降预测方法.首先,采用曲线拟合法中的3种不同曲线对软土路基沉降进行预测;其次,引入最小均方差法和最大关联度法判定最优曲线;最后,采用FLAC3D数值模拟法预测软土路基沉降,将最优拟合曲线法、FLAC3D数值模拟法、实测数据三者定量对比分析.研究结果表明:沉降发生前,通过使用实验室试验数据,FLAC3D数值模拟法预测值大于实际值15%~20%,偏于安全,可较早预测施工过程中的过大沉降;沉降发生时,通过使用工程实测数据,最优曲线拟合法可以更准确的预测路基沉降全过程,且最终沉降与实测值误差不超过3%;相对于预测加固处理后的路基沉降,联合法对预测扰动较小的软土路基沉降准确率更高,准确率提升幅度为5%~10%.     

遗传算法在高路堤沉降预测中的应用

依据高路堤填土施工期路基沉降实测资料,分别运用遗传算法和最小二乘法确定灰色GM(1,1)预测模型中的灰色参数a和u,然后据此预测路基后期任意时刻的沉降量及最终沉降量,通过与实测沉降资料做比较分析,表明采用遗传算法反演参数预测高路堤沉降具有比其它方法误差更小的特点,是一种较好的路基沉降预测方法,因此适宜于在高路堤的沉降预测中应用.     

GM（1,1）预测模型在路基沉降中的应用

为了控制老路拓宽中的差异沉降,需要对新路基进行沉降预测.取沉降观测点在相同观测时段内的沉降量为原始序列,将其作1次累加生成1次累加序列,根据GM（1,1）模型建立灰色微分方程,解微分方程可得方程的时间响应序列,并采用后验差法对模型的可靠性进行了检验.通过对贺家坪连接线新路基的实测沉降数据的分析,证明将灰色预测模型GM（1,1）应用于预测路基的沉降量是可行的.在实际运用过程中,应不断代入新近的实测数据,以获得更准确的结果.     

基于SPSS的高铁路基沉降处理技术研究

应用SPSS软件对铁路路基沉降观测数据进行分析,利用非线性模型,确定沉降处理过程中相关参数。结果表明SPSS应用铁路沉降预测分析是可行的,它使得铁路路基沉降的曲线回归、变形分析更为简单和高效,具有较大的实用价值。     

遗传算法在高路堤沉降反演优化中的应用

依据高路堤填土施工期路基沉降实测资料，分别运用遗传算法和最小二乘法确定灰色GM(1，1)预测模型中的灰色参数α和u，然后据此预测路基后期任意时刻的沉降量及最终沉降量，通过与实测沉降资料做比较分析，表明采用遗传算法反演参数预测高路堤沉降具有比其它方法误差更小的特点，是一种较好的路基沉降预测方法。     

CFG桩网结构地基加固处理路基变形规律研究

以武广客运专线典型路基断面为例,对路基沉降变形进行监测,结合实测沉降曲线对沉降规律进行探索,并利用曲线拟合法对路基沉降进行预测.预测结果表明:CFG桩复合地基剩余沉降最大值5.6 mm;双曲线法预测的沉降曲线与实测数据比较接近;路基的工后沉降与填土高度存在一定的相关性.     

双曲线法在路基沉降变形预测中的应用分析

对路基沉降变形的计算和预测方法中的双曲线预测模型及原理进行介绍,结合某高速公路路基沉降变形预测的实例进行分析,实测数据与相对应的预测曲线吻合度较好,客观地反映了路基沉降的动态发展情况。     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

非等时距GM(1,1)灰色模型在路基沉降预测中的应用

灰色理论现已普遍运用于路基沉降的预测中,以某高速公路为例,运用灰色理论建立路基沉降的非等时距GM(1,1)预测模型,并采用后验差法进行精度检验。以工程实测沉降数据为基础,对模型的预测结果进行了分析。结果表明,预测值与实测值之间误差较小,从而证实该方法的可行性。     

基于时间序列与神经网络的软岩隧道变形预测模型及其应用

针对软岩隧道具有变形量大、变形分析困难和稳定性差等特点以及传统的变形分析方法过于单一和精度低等问题,分别运用时序分析和神经网络方法对软岩隧道变形进行了预测,以单个方法的预测结果为基础,结合IOWHA算子,根据各方法的预测精度计算出它们在组合模型中的权重,建立了组合预测模型．通过工程监测获取原始数据,运用组合预测方法得到相应的预测结果,并将其与单个方法的预测结果进行了对比分析．研究结果表明：新的组合预测方法能够综合时序分析和神经网络方法的优势,预测结果精度明显提高,该方法的应用对具体软岩隧道的稳定性评价及隧道工程的施工与维护具有一定的指导意义．     

基于熵值法的城市汽车保有量组合预测

分析灰色系统、多元回归、指数平滑、神经网络4种预测方法的特点并利用它们分别对城市汽车保有量进行预测,在此基础上通过熵值法确定各预测模型的加权系数,建立组合预测模型,最后将1995-2007年汽车保有量的各预测值与实际值进行比较,结果表明该组合预测法精度较高,实用性更强。     

基于时间序列与神经网络的软岩隧道变形预测模型及其应用

针对软岩隧道具有变形量大、变形分析困难和稳定性差等特点以及传统的变形分析方法过于单一和精度低等问题,分别运用时序分析和神经网络方法对软岩隧道变形进行了预测,以单个方法的预测结果为基础,结合IOWHA算子,根据各方法的预测精度计算出它们在组合模型中的权重,建立了组合预测模型.通过工程监测获取原始数据,运用组合预测方法得到相应的预测结果,并将其与单个方法的预测结果进行了对比分析.研究结果表明:新的组合预测方法能够综合时序分析和神经网络方法的优势,预测结果精度明显提高,该方法的应用对具体软岩隧道的稳定性评价及隧道工程的施工与维护具有一定的指导意义.     

基于GA-BP模型的铁路货运量预测

针对于目前已有铁路货运量预测方法的缺陷与不足,提出基于遗传算法和神经网络的混合预测模型对铁路货运量的预测方法进行改进优化,目的保证其预测精度.首先引用灰色关联分析法,以此来确定全国铁路货运量与其主要影响因子之间的关联度,然后按照其关联度在标准值之上的关联因子,建立GA-BP神经网络预测模型.最后通过实例分析表明,此模型预测精度及推广能力均优于传统的预测方法,从而证明该方法的可行性和有效性.     

民用汽车拥有量非线性时空组合预测模型

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.     

Non-Linear Combined Prediction Model of Medium and Long-Term Civil Vehicle Population of China

With consideration of the economy development tendency in China, a civil vehicle population prediction model is developed based on the space-time theory. First, with the domestic and international experience on vehicle development, the gray Verhulst model is used to describe the vehicle population development tendency and predict the vehicle population in the next 20 years. Second, several social and economical indexes related to the civil vehicle population are selected by comparing the correlation coefficient value, and then, the principal component method is used to reduce dimension of the selected indexes and obtain some principal indexes. Based on the econometrics theory, a forecasting model is formulated to predict the vehicle population in the next 20 years. Integrating these two forecasting models, a non-liner combination forecasting model is developed based on the BP neural network. The reliability and accuracy of the linear combination forecasting model are tested by the vehicle data from 2003 to 2007. Finally, the civil vehicle population of China in the next 20 years is predicted based on the linear combination forecasting model.     

��������ӵ����������ʱ�����Ԥ��ģ��

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.     

Forecasting Technology of National-Wide Civil Aviation Traffic

The long-term forecasting of national-wide civil aviation traffic provides basis for the airspace project planning. A gray combination forecasting model is put forward based on the GM (1, 1) forecast model and least squares principle. With the historical data analysis of the national-wide air traffic from the year 1985 to 2008, the forecasting applicability is examined with three different methods, such as the time series forecasting, regression forecasting and neural-network forecasting. After analyzing the characteristics of Chinese national-wide civil aviation traffic data and contrasting forecasting result, the gray combined forecasting model produces the best effect among these forecasting models.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.