一种基于IOWGA算子的大坝安全监控 组合预测模型

 引进诱导有序加权几何平均(IOWGA)算子,提出一种基于IOWGA算子的大坝安全监控组合预测模型。该模型依据每个单一预测模型在各个时刻预测精度的高低进行有序赋权。实例研究结果表明,该组合预测模型优于传统的加权算术平均组合预测模型和各种单一预测模型,预测精度高,用于大坝安全监控预报有效、可靠。     

基于对数灰关联度及IOWGA算子的组合预测方法及应用

针对传统组合模型建模准则单一、权值固定不变的缺陷,引用最优加权组合建模理论,在诱导有序加权几何平均(IOWGA)算子的基础上,结合对数灰关联度,研究了一种改进的IOWGA算子的组合模型。其核心思想是以对数灰关联度为准则,基于单一模型各时刻拟合、预测的精度高低进行有序赋权。文中对优性组合的判定方法及组合模型预测效果评价准则亦进行了研究。将组合模型应用到宁波市某路基沉降预测中,取得了良好的效果,提高了预测精度,验证了模型的有效性。     

基于最优组合模型的路基沉降预测方法

通过监测获取的沉降——时间数据进行拟合曲线分析,在高速铁路路基沉降预测中得到了广泛应用。路基工程沉降——时间曲线呈现反S形,但采用常规的反S形成长曲线模型预测路基沉降时,由于受到数据样本和模型自身的限制,预测的沉降曲线并不能完全反映实际沉降的发展过程。基于此,提出了基于不同类型的反S形成长曲线的最优组合预测模型,通过赋予各个反S形曲线模型权重系数,采用最优化方法求解权重系数,得到最终的路基沉降预测公式。实际工程数据分析表明,该方法精度较高、适应性较好,可适用于高速铁路路基沉降量预测。     

软土地基沉降预测的一种智能方法

常规方法对软土地基沉降的估计存在一定的问题。利用一种新的智能方法来预测软土地基的沉降:通过已经观测到的沉降数据,建立了基于改进观测数据的神经网络预测模型,依此提出了基于部分实测沉降数据来预测短期沉降及最终沉降的方法。算例表明:对高度复杂非线性的土工结构问题,神经网络能够较为精确的解决,而且操作简单、泛化能力强。     

沉降预测的三种方法

本文对沉降预测的三种方法和模型的建立进行了阐述 ,并结合实例对某建筑物进行了沉降预测 ,同时对几种方法进行了比较分析 ,指出对于不同的沉降应采用适应的方法。     

基于加权组合模型的沉降预测讨论

地表沉降是一种渐变性地质灾害,可以预测其发展趋势。本文分析讨论灰色系统理论预测模型及指数平滑法预测模型的基础上,提出了对灰色GM（1,1）模型和指数平滑模型进行加权组合得出新的模型来预测地表沉降预测的方法。     

Logistic曲线预测沉降一种改进的求解方法

地基的全过程沉降量与时间的关系呈S形曲线,可用Logistic生长模型来描述。对模型参数的求解常用的三段法方法存在方法本身的缺陷,为此我们提出了非线性回归微分建模方法来求解模型参数,该方法具有一定的实用价值。     

一种改进SVM优化模型的沉降预测方法

筑路建设里一项至关重要的技术就是控制路基沉降,而动态、复杂的路基沉降预测系统导致其沉降数据呈现出非线性特征和"小量级、大波动"的敏感性,采用单一、传统的预测手段难以实现对路基沉降预测精确度的提升。针对这一问题,本文从常用的、针对路基沉降序列时序性和偶然性的角度出发,比较多种方法的属性原理、优缺点和普适性后,引入数据预处理来提取固有潜在信息与残差修正最优化的概念,结合相空间重构改变时序数据的关系结构来构造嵌入维数以及改进的灰狼算法优化支持向量机强大的跟踪、追捕功能,建立了小波与时间序列分析基础上的PSR-IGWO-SVM变形预测模型。工程实例分析表明,该模型使单项模型原本暴露出的形态稳固、指向性强、适应性弱等普遍预测缺陷得到了一定程度的完善,预测精度处于较高水平,优化模型符合建模工况原型,可以作为路基中长期沉降预测的有效辅助手段。     

地基沉降的几种预测方法及其影响因素

本文通过工程实例,对预测地基沉降的双曲线法、浅冈法(Asaoka)的预测结果进行分析,探讨各种因素对预测结果的影响,指出在应用中应注意的问题,对工程实践具有一定的指导意义。     

组合模型在建筑物沉降预测中的应用

对将BP神经网络与Verhulst模型组合,建立了一种组合模型,并结合天津老城厢晶典苑中级人民法院沉降监测工程实例,通过组合模型和BP神经网络模型、Verhulst模型预测值与真实值的比较,讲究表明组合模型具有较强的适用性,提高了Verhulst模型的预测精度。     

一种分层沉降监测装置及其施工方法

传统对高填方土体分层沉降观测的装置整体埋设于填方土体后,其铅垂度难以得到有效保证,若由于不均匀沉降发生倾斜,其监测竖向沉降值的精度大大降低。文章提供一种高填方土体分层沉降监测的新型装置,其能维持各套筒的铅垂特性,确保各沉降管及沉降板仅沿铅垂方向发生沉降,大大提高了竖向沉降的监测精度。     

神经网络组合预测法在软基沉降预测中的应用

通过引入神经网络组合预测模型,对软基沉降序列进行了非线性组合预测。预测结果表明,神经网络组合预测的结果比各单项模型预测的结果都好,提高了软基沉降的预测精度,可进一步推广应用。     

基于ESMD与ELM组合模型的地基沉降预测

为提高地基沉降预测精度,结合极点对称模态分解法(ESMD)与极限学习机(ELM)优势提出组合预测模型——MESMD-ELM模型。选取某高速公路地基沉降过程进行实例研究,与ESMD-ELM模型、ELM模型预测结果进行对比,表明MESMD-ELM模型预测精度较高。     

基于TCN与SVM组合模型的建筑沉降预测

针对基坑周边建筑沉降序列随时间和因其他影响因素呈现的非平稳性变化特征,提出一种基于TCN与SVM的短期沉降组合预测方法。该方法利用串联组合的方式,将沉降序列看作自相关的时间序列和受外界影响的非线性部分的组合,再利用TCN与SVM模型对两部分分别进行预测,最后将两部分叠加后得到沉降数据预测结果。结果表明,TCN-SVM组合预测模型能够很好地跟踪建筑沉降变化,其预测精度比单一SVM模型提高10%～20%,可有效提高短期建筑沉降预测精度。     

基于灰色组合模型的基坑周边建筑物沉降预测

伴随着地下空间工程大量兴建,在基坑开挖阶段,定期观测周边建筑物沉降,分析预测其未来的沉降变化规律、发展趋势,对保证建筑物与人民生命财产安全具有重要意义。为科学合理预测基坑周边建筑物沉降值,在综合常用灰色预测模型,即Verhulst模型、GM(1,1)模型和SCGM(1,1)_c模型优点的基础上,建立灰色组合模型,通过挖掘各单一模型的有效信息,优化拟合结果,从而对基坑周边建筑物的沉降值进行有效预测。实例应用表明:灰色组合模型的预测值与观测数据的拟合结果优于单一预测模型,其预测精度明显提升,沉降预测值更为可靠,可为采取相应的预防或处理措施提供科学决策依据。     

路基沉降的组合模型预测研究

基于路基沉降具有趋势性变化和随机变化的特点，建立了一个组合模型，采用Gompertz增长模型预测沉降的趋势项部分，AR模型预测沉降的随机项部分，二者之和作为总的沉降预测值，通过实例计算表明，组合预测模型能提高路基沉降量的短期预测精度，具有一定的应用价值。     

基于数据挖掘的一种投资组合构建方法

数据挖掘技术在处理大型数据上具有完美的表现。面对证券市场不断产生的、纷繁复杂的数据,传统的分析方法往往缺乏足够的数据支持。基于此,本文提出了一种立足于股市大数据,以数据挖掘技术为支撑的投资组合构建方法,从而帮助投资者进行科学决策、获取稳定收益。     

基于沉降观测资料预测最终沉降量的方法探讨

介绍几种常用的根据沉降观测资料预测最终沉降量的方法,通过其建模以及在工程实例中的应用比较各自的优缺点,探讨相对准确的预测方法。结果表明,BP网络法和双曲线法能较好地拟合沉降观测数据,但BP网络法适合预测短期沉降量,对于最终沉降量的预测,推荐采用双曲线拟合法。其它的预测方法像Asaoka法、GM(1,1)模型、泊松曲线法和指数曲线法,要么拟合效果一般,要么表现出一定的局限性,只是适用于某个工点,放到另一工点就不适用。鉴于双曲线法使用简单与适用性强的特点,建议在其它工程项目中,首推该方法来拟合沉降曲线并推算最终沉降量。     

基于实测数据的沉降预测方法综述

介绍了静态和动态两种基于实测数据的沉降外推预测方法,阐述了各种方法的适用范围和优缺点,指出基于实测数据的沉降预测法是针对建筑实测所得的离散沉降值,用数学模型预测地基的最终沉降量,具有较好的适用性。     

一种组合模型在地面沉降预测中的应用研究

根据BP神经网络模型和自适应滤波模型模拟预测值相对于真实值上下波动的特点,应用方差理论建立BP神经网络自适应滤波组合模型,将其应用到天津富裕广场三期工程基坑周边地面沉降分析预测中.通过与独立的BP神经网络和自适应滤波模型模拟预测数据对比,证明了组合模型模拟预测的高精确性.