非等时距灰色-马尔科夫链模型在深基坑变形预测中的应用

针对深基坑变形难以建立准确的计算模型进行预报问题,本文运用非等时距灰色-马尔科夫链对深基坑变形量进行预测。首先基于原始实测数据,建立非等时距灰色预测模型;然后采用马尔科夫链对预测值残差序列进行修正,进一步提高预测模型的预测精度;最后对潍日高速跨铁路转体桥深基坑4个测点的变形量进行预测。研究表明,灰色-马尔科夫链模型的预测精度明显高于灰色模型,预测值与实测值吻合较好,预测值后验差为0.07、0.37、0.16和0.33,精度等级均为1级,该模型为深基坑变形预测提供一种新方法。     

等维新息灰色模型在深基坑变形预测中的应用

分析了改进的等维新息灰色预测模型用于深基坑变形预测的合理性。应用深基坑实际变形监测资料,对其预测精度及可行性进行了验证。结果表明,等维新息灰色模型的预测精度较高,模型的预测结果基本上能满足要求。灰色预测模型的预测精度与监测的时间间隔是否固定、数据变化的规律性是否明显有关。当规律明显时预测精度较高,而当监测时间间隔波动大、数据有大的跳跃突变时,预测精度较低。     

改进不等时距权重的灰色残差组合修正模型及其应用

为提高传统不等时距灰色模型（TUTGM）的预测精度，提出了一种改进不等时距权重的灰色残差组合修正模型（IUTWGM-RCC）。首先在传统不等时距灰色模型中引入时距权重分配系数，按照累加生成和累减还原过程的生成序列不同，构建了4种不同的预测模型，并依据相似度准则确定最优拟合序列和预测值；然后采用正弦函数和谐波变化生成的周期序列函数修正残差序列，进一步提高模型的预测精度；最后对建筑物3个观测点的沉降量进行预测。结果表明，累减还原过程引入不等时距权重的灰色模型预测精度最高，经残差组合修正后，预测结果的后验差比分别为0.04、0.11和0.05，精度等级为1级。     

卡尔曼-非等时距加权灰色线性组合模型探讨

针对监测数据中不可避免的含有随机噪声以及监测时间往往不是等时距的问题,该文提出了一种基于卡尔曼滤波的非等时距加权灰色线性组合方法:首先对原始变形监测数据进行卡尔曼滤波处理,有效剔除随机噪声的影响;然后利用滤波后的数据建立非等时间间隔的加权灰色线性组合模型进行预测;最后进行对比分析。该模型不仅具有线性回归以及GM(1,1)的特点,而且克服了传统GM(1,1)的不足。实验结果表明,基于卡尔曼滤波的非等时距加权灰色线性组合模型不仅可以有效的剔除监测数据中的随机噪声,而且提高了模型精度,具有一定的参考价值。     

城市中心复杂环境深大基坑监测与数据处理

由于城市中心复杂环境的深大基坑沉降和位移监测成果的精度和可靠性非常重要,为此,本文通过对监测数据采集、监测数据处理以及监测数据的预测研究,结果表明：采用小波滤波的方法能减小测量误差对变形信息的影响,并结合灰色理论GM(1,1)模型进行监测数据的预测分析,能将相对误差提高到5%以内,为城市深基坑安全监测、数据处理以及预测提供参考。     

小波去噪的灰色动态模型在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据拟合较差、预测精度低的缺点,提出了基于小波去噪的灰色动态模型。首先运用小波滤波消除数据噪声,使数据更具规律性;再利用灰色动态模型预测变形;最后对高层建筑物沉降监测数据的预测值与实测值进行对比分析。结果表明,该模型的预测误差较小、精度较高,适合在变形预测中应用。     

卡尔曼滤波-灰色组合模型及其在变形监测中的应用

建筑物变形监测数据呈现出典型的时变、非平稳和小样本特征,导致传统单一模型难以获得满意的预测精度。针对该问题,本文提出将卡尔曼滤波与灰色模型结合构建一种组合预测模型。首先利用卡尔曼滤波对原始监测数据进行平滑滤波,对数据中所含随机干扰误差进行动态抑制;之后利用灰色模型拟合数据中隐含的变形趋势信息,从而在小样本情况下获得较长时间的预测能力。基于实际建筑物变形数据开展试验,结果表明：与传统小波分析、灰色模型相比,该方法的预测精度明显提升,并且在小样本情况下具有更高的稳健性。     

SAS/ETS在变形监测数据处理中的应用

在综合考虑数学模型的预测精度与编程实现的可操作性基础上,提出了利用模块对变形监测数据进行时间序列分析,并概括介绍了该模块的3个主要命令使用方法,解决了时间序列分析在监测数据处理中实现起来非常繁琐的问题。最后通过与环境下动态灰色模型综合比较,证明了时间序列分析在变形监测数据处理中操作简单,模拟精度和预测精度都较高。     

非等时空距GM(1,1)模型在建筑物沉降预测中的应用

以灰色理论为指导，GM（1，1）模型为基础，提出用最小二乘原理对灰色模型进行优化，大大提高非等时距GM（1，1）模型的预测精度，并对某海堤监测数据进行预报，检验结果表明预测值达到很好精度，由此证明，此方法有较大的应用价值。     

反导自记忆模型的隧道沉降分析

针对传统的变形预测模型不能对隧道高度非线性监测数据的沉降趋势和波动特征进行准确的预测问题,该文提出了反导自记忆模型。该模型运用了自记忆原理,克服了传统的变形预测模型对初值比较敏感、预测精度低等局限性,提高了对波动性数据的预测能力,之后通过工程实例验证了反导自记忆模型的可行性。最后与灰色自记忆模型进行对比,得出反导自记忆模型能够对非线性和波动性监测数据做出更加准确的预测,提高了预测的精度。     

非等间隔灰色模型在滑坡监测中的应用

针对多数滑坡监测得到的数据是非等间隔的情况,运用新方法推导出MUGM(1,m)模型。首先用间隙变换后的时间间隔代替原始时间间隔,然后构造新的时间序列,最后根据微分方程推导出预测公式;并以某滑坡体为实例进行建模分析,通过与传统时间加权的方法对比,验证了新方法的预测精度要优于传统方法。     

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。     

灰色-马尔科夫模型在大坝内部变形预测中的应用

传统的灰色-马尔科夫模型一般都是等时距的。针对样本不能满足等时距的需要,通过一定方法将样本等时距化,用多变量灰色模型MGM(1,n)与马尔科夫转移矩阵相结合对等时距样本进行建模,建立非等时距的灰色-马尔科夫模型。文中结合某大坝内部水平位移实测数据,用此模型进行建模。结果表明,灰色-马尔科夫模型不仅比灰色模型的拟合精度高,而且提高了预测精度。     

修正灰色模型在沉降监测间断资料插补中的应用

对于大型和高耸建筑,为了确保施工和安全运营,定期进行沉降监测是一项非常必要和重要的工作。但是由于受备种主、客观条件的限制和影响,沉降监测实测资料有时会出现间断。为了分析沉降规律,需要对间断资料进行插补。文章考虑到建筑物沉降监测非等时间间隔的特点,以相邻观测时间间隔为权,直接生成1-WA- GO序列,建立灰色系统非等间隔GM(1,1)模型,并将该模型应用于某建筑物沉降监测间断资料的插补工作中。当拟合值误差较大时,应用1阶残差序列建模,对原模型进行修正,提高了模型的拟合精度,得到了较满意的监测间断插补值。     

基于小波去噪的非等间隔变形监测数据GM(1,1)预测方法研究

在小波去噪和非等间隔GM(1,1)的基础上提出基于小波去噪的非等间隔GM(1,1)组合模型的预测方法,并且通过矿区实测数据模拟实验对三种方法进行对比分析。结果表明,小波去噪的模拟精度高于非等间隔GM(1,1),组合模型的预计精度高于单独使用非等间隔GM(1,1),验证了该方法的实用性和可靠性。     

基于灰色GM（1，1）的优化模型预测大坝形变

以往的灰色GM （1,1）优化模型往往忽略了灰度模型随时间变化的灰色量和灰色过程这一重点,其中的灰色作用量是时间的线性函数,传统的模型把其看为不变常数,而对时间的精度影响没做深层次的考虑,建模时较少的考虑时间相关度和灰作用量的影响,势必会影响预测精度,造成模型效果欠佳,故本文尝试对这两个因素分别建立优化GM （1,1）模型,即引入基于时间的加权R-GM （1,1）模型和用灰作用量b1＋ b2 k替代b的K-GM （1,1）模型,并对实例数据进行分析,取得了较好的拟合与预测能力。     

基于卡尔曼滤波的离散灰度模型在基坑沉降数据的研究

为了提高深基坑开挖过程中实时沉降监测预测的可靠性与准确性,保障基坑施工和周边环境安全,针对深基坑开挖过程中周围底层移动、施工、环境因素及实际观测过程中原始数据存在较多噪声对原始沉降数据产生一定影响等诸多问题。本文考虑使用卡尔曼滤波理论对沉降数据进行去噪预处理,并建立离散灰度模型,通过该模型对沉降数据进行分析及预测。通过实验数据分析处理,验证模型预测精度有了一定的提高,且具有一定的参考价值。     

地面沉降的灰色Verhulst模型及其应用研究

本文将灰色Verhulst模型引入地面沉降的研究之中,根据某地面沉降观测点的近20年数据建立地面沉降发展模型,并运用所建立的模型对地面沉降的发展态势进行了预测。