GM(1,1)-Logistic路基沉降组合预测模型研究与应用

路基沉降预测是指导正确施工及运营期路基养护的一个重要因素.GM(1,1)模型及Logistic模型被广泛应用于路基最终沉降量的预测.基于组合预测的基本理论,结合GM(1,1)模型及Logistic模型的特点,提出了GM(1,1)-Logistic组合路基沉降预测模型,采用线性组合预测方法,以过去一段时间内组合预测误差平方和最小为原则来求2个预测模型的加权系数.结合工程实际监测数据的计算结果和分析表明,GM(1,1)-Logistic组合预测模型在预测精度上比单个模型具有更好的适用性.     

GM(1,1)模型与指数模型在基桩沉降预测中的应用

以某大型基桩的沉降预测为例,利用灰色系统理论的GM(1,1)与Aeax曲线模型进行基桩在外荷载作用下沉降量的预测。结果表明:两种模型对于呈指数变化规律的系统能获得较好的预测结果;两种模型对基桩累计沉降的预测符合工程实际,对各级荷载作用下的本级沉降预测不够合理。对两种模型关系的研究表明,两者有内在联系,都属指数曲线预测模型,且指数曲线Aeax预测模型比GM(1,1)模型应用起来更简单,方便。     

GM(1,1)模型在高速铁路桥墩沉降监测中的应用

详细地介绍了GM(1,1)模型及模型精度评定,利用GM(1,1)灰色模型对某区段高速铁路的桥墩沉降进行预测,将预测结果进行分析,分析表明GM(1,1)灰色模型能较好地预测该段高速铁路桥墩的沉降趋势。     

基于灰色系统理论的铁路客运专线路基沉降预测

基于灰色预测模型GM（1,1）模型、离散灰色预测DGM（1,1）模型和非线形离散灰色预测NLFDGM（1,1）模型,采用FORTRAN语言,编制了路基沉降预测程序GREYMODEL。将该程序应用于铁路客运专线路基典型断面沉降预测,并与实测结果进行对比。结果表明：DGM（1,1）模型作为GM（1,1）模型的离散形式,两种模型的预测结果比较接近,短期预测精度高,中长期预测精度低;结合等维信息建模,非线形离散灰色预测NLFDGM（1,1）模型具有极高的精度和稳定性,在路基沉降预测中推荐使用;并提出了若干关于提高灰色模型预测稳定性和精度的建议。     

灰色GM（1，1）模型预测沉降的局限性分析

考虑现场沉降监测数据的不等时间间隔性及数据的不断更新性,建立了不等时距等维新息GM(1,1)沉降预测模型并研发了相应的预测程序RIID,将其应用于实际工程的沉降预测,验证了预测模型合理性和程序的可行性。分析了实测数据时间间隔和预测步数对GM(1,1)模型预测精度的影响。结果表明:数据时间间隔相差太大,将导致模型失真;GM(1,1)模型只能进行短期预测,若要预测未来较长时间内的沉降,必须有新增数据,这就使得该模型在实际工程中的应用受到限制。     

基于改进灰色GM(1,1)模型的高速公路路基沉降预测

有效预测高速公路路基沉降的发展趋势,可以提高道路维修效率,降低事故发生率。根据路基沉降影响因素和特性,提出一种改进的GM(1,1)预测测算法。采用自动寻优定权的方法优化传统GM(1,1)模型的背景值,采用最小二乘法优化初值,有效克服背景值与初值选择的盲目性,并能保证较高的精度。分别对长湘高速某段和垄茶高速某段路基沉降进行预测试验,本文算法预测误差均值分别为2.12%和1.38%,方差比为0.137和0.146,精度等级达到一级。     

堆载预压情况下基底土质对路基沉降影响的分析研究

以京沈客运专线安匠站的两段堆载预压路基工程为依托,搜集堆载预压期间的沉降监测数据,建立双曲线模型和灰色系统GM(1,1)模型,对该路基沉降进行预测分析。结果表明,该段路基沉降已达到相对稳定,基底粉质黏土较其他土质压缩模量更小,在堆载预压载荷下会产生更大的沉降量,并且达到稳定的时程较其他土质更长。     

路基沉降变形观测与灰色预测模型研究

介绍了客运专线路基沉降观测的方法,根据灰色理论预测的基本原理,建立了等时距的灰色GM（1,1）型Verhulst和灰色模型,对京沪高速铁路DK0＋240典型断面的路基沉降进行实例预测,并运用相对误差法对预测结果进行精度检验,分析了灰色理论模型对客运专线路基沉降的预测效果。     

灰色理论在水平冻结施工隧道盾构到达洞门时地表沉降预测中的应用

盾构隧道施工中,提前预知盾构影响范围内的地表沉降对指导信息化安全施工具有重要意义.根据实测沉降数据,应用灰色系统原理和方法,通过改进常规 GM(1,1)模型建立灰色新陈代谢 GM(1,1)盾构始发水平冻结洞门的地表沉降预测模型.分析结果表明:相比常规 GM(1,1)模型,新陈代谢GM(1,1)模型能够明显提高预测精度,相对误差最大只有9.65%;对于盾构前进和冻胀—融沉造成地表变形,新陈代谢模型均能准确预测;在盾构由一个阶段向另一个阶段过渡或者施工环境发生突变时,结合新陈代谢模型预测结果和具体的施工环境,不断修正预测模型,预测结果更科学有效,预测值也更接近实际地表变形.     

优化GM(1,1)与SVM组合模型的路基冻胀预测应用

基于非等时距GM(1,1)优化预测模型,采用支持向量机进行预测残差修正,建立一种组合预测算法,并运用该算法对铁路路基冻胀进行定量预测。对经典非等时距GM(1,1)模型背景值和初值的计算方法进行优化,同时设置时距权值矩阵,对不同时间测量所得数据赋予不同权重。在初始预测后,对残差值采用支持向量机进行非线性修正,得到最终预测值。选取哈大客专某区段实际测量路基冻胀数据,对算法实用效果进行检验。所建立预测模型平均预测误差值为2.039%,最大预测误差5.911%,后验证差比值0.005,各项指标均优于单一灰色模型与文献[6]中建立的组合预测模型,实现了对铁路路基冻胀的较高精度定量预测。     

哈大客运专线桥梁墩台沉降观测与预测

研究目的:以哈大客运专线运粮河特大桥墩台沉降观测为背景,介绍运粮河特大桥沉降观测的技术要求与观测方法;采用曲线拟合法综合分析了桥梁墩台的沉降变形趋势,运用灰色系统的新陈代谢GM(1,1)模型建立累积沉降的预测模型,来分析桥梁墩、台的沉降量,掌握其变形规律.研究结论:通过对哈大客运专线运量河特大桥墩台沉降观测数据进行的分析与评估,采用曲线拟合法分析其沉降变形趋势,运用灰色系统模型对桥梁墩台进行预测,得出以下结论:桥梁墩台的沉降已经渐渐趋于稳定,运用灰色系统的新陈代谢GM(1,1)模型建立累积沉降的预测模型,预测结果表明该模型精度较高,可以用于累积沉降的预测.     

单桩极限承载力的灰色预测

运用灰色理论,建立了荷载与沉降的GM(1,1 )模型.结合某根桩的静载试验结果,对该桩的荷载与沉降分别进行了预测,并在只有部分实测结果的情况下,对单桩的极限承载力进行了预测.预测出完整的荷载沉降曲线,预测结果的精度能够满足工程需要.     

基于等维灰数递补模型的软弱围岩隧道变形预测

结合隧道掘进施工以及变形监测的实际情况,利用灰色预测理论中的GM(1,1)模型,采用等维灰数递补数据处理技术建立等维灰数递补GM(1,1)模型来对灰色GM(1,1)模型进行改进,并结合工程实例中的变形实测数据进行验证.结果表明:修正模型的建立所需数据少,计算方法简单易行,而且预测值精度明显提高;灰色建模的数据取样越接近预测点,则得到的模型预测值越接近实际值,一般4次预测值的结果基本接近于实测值,该模型能更真实地反映软弱围岩隧道的变形规律.     

基于有限元及灰色度分析的地铁隧道施工地表沉降预测研究

为保证地铁施工安全,提出基于有限元及灰色度分析的地铁隧道施工地表沉降预测方法。该方法使用 MADIS-GIS 有限元分析软件,构建隧道三维有限元模型,结合灰色度 GM(1,1)模型,对隧道施工中的地表沉降量进行预测,同时进行精度等级划分,从而获取高精度的预测结果。分析结果表明,该方法能够有效预测高速铁路隧道施工地表沉降,可为地铁隧道施工和运输安全提供保障。     

哈尔滨地铁人防改建工程施工监测技术研究

哈尔滨地铁是国内纬度最高的地铁工程,工程的部分区间是利用既有"7381"人防隧道改建而成。本文根据该人防改建工程的监测成果,分析了影响施工安全的主要因素,并用等维新息GM(1,1)模型对风险源处地表变化趋势做了较准确的短期预测。研究结果表明:冻融现象对暗挖施工区间的建筑物沉降和隧道变形基本无影响,对地表沉降有一定的影响;隧道的扩挖施工使隧道围岩在短时期内变形速率增大,但很快趋于稳定;等维新息GM(1,1)模型用较少的参数和简洁的模型可反映隧道扩挖施工引起地表沉降的趋势和规律,适宜于工程实际问题的动态分析和趋势预报。     

融合人工智能算法的铁路路基沉降预测方法

首先利用三阶多项式拟合、GM(1,1)和BP神经网络等算法构建了铁路路基沉降单预测模型；然后基于误差法和熵值法，以合肥地铁4号线盾构隧道下穿既有铁路的监测数据为基础，融合三阶多项式拟合、GM(1,1)和BP神经网络构建了组合预测模型，实现铁路路基沉降的分阶段预测；最后，利用平均绝对误差、均方误差和平均绝对百分比误差评价模型精度。结果表明：基于误差法和熵值法的组合预测模型能显著提高预测精度，预测相对误差均小于±5%，预测均方根误差均小于±0.1 mm，验证了提出的组合预测模型的有效性。     

客运专线群桩基础桥梁沉降监测与预测方法研究

选取成渝客运专线(CYSG)Ⅳ标赵家院双线特大桥10个桥墩为试验桥墩,通过分析观测数据,阐述了客运专线群桩基础桥梁沉降与桩长、桩径、墩高及地基基础的关系。运用灰色预测模型GM(1,1)预测桥墩的累计沉降,与的实际观测数据对比分析,证明该预测模型的可行性,并用于分析桥墩沉降变形规律。     

基于改进GM(1,1)与WOA-LSSVM组合预测模型的轨道不平顺预测

在保障列车行车安全的前提下对轨道不平顺的发展趋势进行预测,可以提高线路维护效率。根据轨检车的历史轨检TQI数值进行分析,提出一种基于非等时距近似非齐次的GM(1,1)模型与鲸鱼算法优化的最小二乘支持向量机的组合预测模型。对非等时距GM(1,1)模型的灰作用量进行优化,并设置加权矩阵,对不同检测时间的数据赋予不同权值,建立非等时距近似非齐次的GM(1,1)模型,得到初步预测值。在此基础上,利用鲸鱼算法优化的最小二乘支持向量机(WOA-LSSVM)对残差进行修正,得到最终预测值。分别对某线上行两段线路的轨道不平顺TQI值进行预测,结果表明:该预测方法相对误差平均值分别为2. 316%和1. 67%,后验差分别为0. 093和0. 068,精度等级达到1级,实现了轨道不平顺较高精度的预测。     

基于改进型灰色理论模型的山区高速铁路路基沉降变形分析

线下工程工后沉降变形分析评估是高速铁路轨道工程铺设的必要条件和关键工序之一。以重庆至万州铁路为例,在有砟轨道铁路施工过程中,引入改进型灰色预测模型Np GM(1,1)和UQGM(1,1)进行沉降变形分析,相比于传统的预测方法,两种改进型的灰色预测模型在预报的稳定性和相关性上有显著提升。对于考虑到的9个测点,改进型灰色预测模型得到的相关性均大于0.97,明显优于传统模型(相关系数为0.8左右,个别站点超过0.9);改进型模型得到的S(t)/S(∞)均接近或者等于1,显著高于传统模型。结果适用于西南山区高速铁路沉降变形评估预报,可以为类似区域的铁路路基沉降预测提供参考。     

幂函数变换的GM(1,1)模型在高铁沉降预报中的应用

针对高速铁路施工过程中沉降监测数据波动较大,传统GM(1,1)模型对初始数据平滑度要求较高的问题,利用幂函数变换法对初始数据进行平滑处理,再用GM(1,1)模型进行拟合和预报。在此基础上,提出了基于幂函数变换的GM(1,1)模型,对两组高速铁路沉降实测数据分别采用两种模型进行拟合和预报精度验证。实验表明:相较于传统GM(1,1)模型,基于幂函数变换的GM(1,1)模型在平均误差上最高可以降低34%,中误差可以降低60%;计算波动较大的数据时,其平均误差可降低至原来的52%,中误差降低至原来的95%。