Matlab曲线拟合工具箱在地基沉降预测模型中的应用

基于某发电厂的地基沉降实测资料,利用Matlab曲线拟合工具箱,拟合多种不同的地基沉降预测模型,并对不同预测模型的拟合结果进行比较分析。结果表明,Matlab曲线拟合工具箱能够快速对沉降数据进行曲线拟合,可进行不同预测模型的预测结果比较,便于求参,具有较好的实用价值。     

填海造地道路软基沉降的不同数据序列GM（1，1）预测模型

为了研究不同样本数据序列GM（1,1）灰色模型在填海造地道路软基沉降预测中的实用性和有效性。结合工程实例,以软基沉降监测数据为依据,分别选取堆载预压恒载期的10组和20组实测地基沉降数据作为样本数据序列,建立了相应的GM（1,1）灰色预测模型,对软土地基固结沉降进行了预测,并将两种不同数据序列灰色模型预测结果与现场实测数据进行了对比分析。研究结果表明：GM（1,1）灰色模型所得预测曲线与实测曲线变化趋势基本一致,预测值与实测值吻合较好,实测曲线比预测曲线收敛较快,较多样本数据序列灰色模型所得预测精度更高。     

基于Burgers模型的大型堆山工程沉降预测

对镇江市堆山工程中的地基土进行了室内一维固结蠕变试验,发现其流变特征符合Burgers流变模型,再将模型的蠕变方程转化成沉降计算的经验模型。根据实测沉降数据对此经验模型进行拟合,得到模型参数,且拟合精度较高,不仅避免了流变模型参数反演的繁琐性,还可以提高预测模型的精度。最终将经验模型用于堆山工程的后续沉降预测,与其他预测方法比较发现,基于Burgers模型的沉降预测方法更接近工程实际,考虑土体的流变特性是必要的,也为类似工程提供参考。     

基于幂函数的路基沉降预测模型

指数模型和双曲线模型是两个传统工后沉降预测模型,研究表明,这两种模型反映了两个极端:前者推算的结果通常偏小,而后者推算的结果又通常偏大。为了克服其缺点,在两个传统模型的基础上提出三参数幂函数模型,指数模型和双曲线模型分别是幂函数模型的两个特例:当幂指数n=1时,幂函数模型退化成指数模型;当n=2时,幂函数模型退化成双曲线模型。以深圳机场路基沉降为例,采用幂函数模型拟合和预测的沉降数据较两个传统模型误差更小,适应性更强。     

基于灰色—周期外延模型的年降水量预测

将灰色GM(1,1)模型与周期外延叠加模型相结合,构建灰色—周期外延预测模型,并以齐齐哈尔市为例,对其近30年年降水序列进行了拟合和预测研究。结果表明,模型具有较好的拟合效果和预测精度,揭示了齐齐哈尔市年降水序列明显的增加趋势和周期性变化特征,可为齐齐哈尔市旱涝预测提供理论依据。     

深厚软粘土地基沉降的离心模型实验研究

考虑大连新海上机场的实际工程特点,提出合理的简化模型,采用鼓式离心模型实验,有效地模拟了深厚软粘土地基的长期沉降,同时考察了回填速率、柔性加载幅值和地基厚度及固结时间对沉降的影响。通过实验拟合获得了长期沉降过程中土体不排水剪切强度随含水率的变化关系,分别运用一维固结理论和对数曲线模型推求了时程沉降及最终沉降的理论值,并与离心模型实验结果进行了对比分析。结果表明,回填速率越快,加载幅值越大,地基厚度越大,固结时间越长,对应沉降量越大。同时经过55 a的长期沉降模拟,孔隙水压力尚未消散完毕,沉降仍在继续。对数曲线模型预测地基的工后沉降更为合理,为实际工程建设提供了可靠的技术参考。更多还原     

温州浅滩海堤工程原位监测分析

温州浅滩工程软土地基深厚,通过采用塑料排水板、土土材料的复合加固法,并结合原位监测沉降稳定控制手段,解决了在高含水率深厚软基上建造堤坝的稳定控制问题。根据该工程的原位观测资料进行沉降预测分析,并提出一种基于传统指数曲线拟合法的软土地基分级施工情况下的沉降预测模型,该模型考虑了土体变形的非线性和固结性质随荷载的变化,将沉降拟合方程中的待定参数在2个不同荷载级中分别加以确定。     

软基沉降预测模型的比较分析与应用

公路软基沉降预测是目前高速发展的软土地区公路建设中亟待解决的一大技术难题,预测模型也有多种,预测精度不尽相同。对工程中基于经验公式法预测沉降的传统模型(指数模型、双曲线模型)和成长曲线模型(Logistic模型、Gompertz模型、Weibull模型)给予介绍,并分别对各模型进行了数学比较分析。结果表明:传统模型不能利用施工期间的观测数据,只能用工后资料预测工后沉降,且对工后资料的要求较高;成长曲线模型能较好的反映沉降全过程的变化规律。Weibull模型较其它两种成长模型有较广泛的适应性,其对沉降的预测与实际吻合较好。     

双曲线与指数曲线模型在真空预压处理地基沉降预测中的应用分析

真空预压处理地基的沉降预测是一个重要的环节,既可以动态了解地基固结度的大小,合理指导施工,同时也是地基处理效果评价的重要依据。利用双曲线模型与指数曲线模型对真空预压处理的新近吹填土地基沉降进行预测,分析和讨论2种模型的适用性。结果表明,真空度达到设计荷载时,实测沉降曲线与双曲线拟合程度高,指数曲线模型预测后期沉降精度较双曲线好。指数曲线模型时间起点早晚对预测精度的影响规律不明显;相同时间起点条件下,时间跨度Δt越大,预测值与实测值越接近。     

沉降预测模型在高填方路堤中的应用研究

针对两种较为常用的路堤沉降预测模型——泊松曲线模型与灰色理论模型,结合高填方路堤的实测结果对高填方路堤中的沉降预测机理进行研究。得出二者均能够较好地预测路堤的沉降变形情况,其中以灰色理论模型拟合效果更佳;灰色理论模型预测的最终沉降量显示路堤中心线处为0．199m,路肩处为0．182m。     

基于LIB-SVM的公路软基沉降的预测研究

由于地基实际工后沉降与初始设计沉降往往存在很大差异,因此,需要通过分析现场实测沉降 资料预测后期沉降。为了进一步提高公路软基沉降预测的准确性,将ＬＩＢ－ＳＶＭ模型应用于地基沉降, ＬＩＢ－ＳＶＭ通过交叉验证选取的最优参数组合克服了传统ＳＶＭ模型参数选择的盲目性。根据实例,将 ＬＩＢ－ＳＶＭ模型预测值和指数模型预测值与现场量测值进行了对照。结果表明,ＬＩＢ－ＳＶＭ模型比指数 模型有较高的预测精度,该方法在沉降的实际预测中具有可行性。     

基于最优加权组合预测的隧道监控量测数据分析

监控量测技术可收集能反映施工过程中围岩动态的信息,据此判断围岩的稳定状态、确定二次衬砌时机及验证所选支护方式的合理性。通过对华蓥山隧道的监控量测数据分析,建立了多个回归模型进行比选,得到拟合精度较高的回归模型;基于最优加权组合预测法对拱顶沉降量进行预测,通过对比组合预测和单一预测模型的预测精度,验证了最优加权组合预测法的优越性;将最优加权组合预测的结果应用于沉降速率的分析,可以确定隧道二次衬砌的时间。研究结果表明:最优加权组合预测法在隧道监控量测数据分析中的应用,可以提高预测精度,较单一预测模型能更加有效地反映拱顶沉降的发展趋势;选取精度较高的单一预测模型进行最优加权组合预测,分析变形速率,可以为确定隧道的二次衬砌时间提供依据,具有一定的实用价值。     

基于Elman-马尔科夫模型的深基坑变形预测

为提高深基坑变形预测精度,在基坑地表沉降预测中引入反馈型Elman神经网络模型,利用Elman神经网络算法实现基坑沉降位移时间序列的滚动预测。以西安地铁5号线某车站基坑工程为例,基于组合预测思想,结合神经网络和马尔科夫链两种预测方法,建立了马尔科夫链优化的神经网络基坑地表沉降预测模型,借助马尔科夫链模型对其随机扰动误差进行修正,并与前馈型BP神经网络滚动预测模型对比。研究结果表明：Elman神经网络预测模型在修正前、后的预测效果均优于BP神经网络模型。设计开发出的基于MATLAB的图形用户界面（GUI）预测系统实现了模型预测过程便捷化,使预测过程能够以图形结果动态展现,具有较强实用价值。     

基于集成组合预测模型的隧道大变形预测研究

为提高隧道大变形预测精度,先利用ARMA模型、三次指数平滑模型和GM(1,1)模型等单项预测模型进行预测,再利用多种线性和非线性组合方法实现了隧道大变形的初步组合预测,并在递进组合预测和混沌优化预测的基础上,构建了隧道大变形集成组合预测模型,实现了隧道大变形的综合预测。同时,提出利用M-K检验来判断隧道大变形的发展趋势,以验证预测结果的准确性。实例验证结果表明：各类初步组合预测模型均能不同程度地提高预测精度,而递进组合预测能很好地优化残差序列,达到提高预测精度的目的,即集成预测模型在隧道大变形中具较高的预测精度;同时,变形预测结果与趋势判断结果一致,均得出隧道大变形趋于不稳定方向发展的规律,相互佐证了各自分析结果的准确性,为隧道变形防治提供了参考依据。     

淤泥质土堤防沉降预测方法的对比分析

为了获得更加精确的堤防沉降参数,通过双曲线法、三点法、S型曲线等常用曲线拟合法对淤泥质土堤防沉降进行了预测,并分析了这几种方法预测的精度。考虑到各种方法的优缺点,运用最优加权建立了组合预测模型,分别以组合模型的误差平方和最小及有效度最大为目标函数确定最优的加权系数。工程实例计算结果表明,单一预测中三点法预测精度最高,而最优组合沉降预测模型的精度不仅比单项预测模型的精度要高,且可靠性也更佳。     

基坑变形预测的改进供需优化算法-指数幂乘积模型

为提高基坑变形预测精度,提出改进供需优化算法-指数幂乘积基坑变形预测模型(ISDO-EPP模型)。通过6个标准测试函数和3个应用实例对ISDO算法的寻优能力进行验证,并与基本供需优化(SDO)算法、鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、蛾群算法(MSA)、粒子群优化(PSO)算法的寻优结果进行比较。以3个基坑沉降预测为例,通过自相关函数法和虚假最邻近法确定各实例延迟时间和嵌入维数,构造输入、输出向量对各模型进行训练和预测。结果表明,ISDO算法搜索能力优于SDO等5种算法,具有较好的寻优精度、全局搜索能力和稳健性能。ISDO-EPP模型对3个实例预测的平均相对误差绝对值分别为0.73%、3.36%和1.33%,均优于ISDO-SVM、ISDO-BP模型,表明ISDO算法能有效优化EPP模型参数,ISDO-EPP模型用于变形预测是可行和有效的。     

基于多种混合模型的径流预测研究

变化环境下径流的波动不断加大,给径流的精准预报带来新的挑战。基于"分解-合成"策略的混合径流预报模型来提高预报精度是当前研究的热点之一。以往研究聚焦在单一的混合预报模型而忽视了它们的适用性研究。基于此,以渭河流域为例,在优选多元线性回归(MLR)、人工神经网络(ANN)和支持向量机(SVM)单一预报模型的基础上,分别基于经验模态分解(EMD)、集合经验模态分解(EEMD)和小波分解(WD)构建了多种混合模型,并融合了大气环流异常因子的信息。结果表明:(1)SVM模型预测精度高于ANN和MLR;(2)混合预测模型预测精度均高于单一模型,混合模型中WD-SVM的预测精度优于EMD-SVM和EEMD-SVM;(3)融合大气环流异常因子后WD-SVM模型预测精度最高,对极值预报精度的提高较为明显。     

基于ACO-SVM的桥梁基础群桩轴力预测

由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂非线性关系。利用在解决小样本、非线性、高维数方面具有很强能力的支持向量机,对苏通大桥群桩基础轴力实测数据进行分析,预测了一段时间内轴力的变化。并采用了蚁群算法(ACO)寻找模型最优参数,由此建立了ACO-SVM模型,避免了人为选择参数的盲目性。为方便对比,建立了传统SVM与RBF神经网络预测模型,对比了ACO-SVM,SVM,RBF这3个模型的预测结果。研究表明,与传统SVM,RBF的预测结果相比,ACO-SVM模型具有更高的可信度和预测精准度,且具有更强的泛化能力,在大型深水群桩基础的轴力预测中具有一定的工程应用价值。     

不同组合小波神经网络模型对径流预测的适用性

针对水文时间序列的非平稳性特征,以长江三峡宜昌站1904~2003年年平均流量为例,分别建立了小波分析（WA）与BP神经网络和径向基函数神经网络（RBF）耦合的预测模型,探究了两种组合模型的预测效果,并与传统的单一人工神经网络模型对比;并采用5种常见的预测性能评价指标分析预测效果。结果表明：组合模型预测成果的精度较单一模型显著提高;组合和单一模型中RBF网络模型均优于BP网络模型;小波径向基函数神经网络组合模型具有较优的预测精度和泛化能力,是提高预测精度的有效方法,在径流预测中具有可行性。     

基于人工生态系统优化算法的组合生长需水预测模型

为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEO-Weibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m³之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。