基于GM-ANN模型建筑物沉降量变化趋势预测方法

该文基于实测资料进行建筑物沉降预测。在灰色模型和泊松曲线模型理论的基础上,引入对非等间距数列进行变换处理的方法,从而建立了非等间距预测模型。结合建筑物沉降监测资料进行分析比较,结果表明,两种预测方法均能较好地反映建筑物的沉降趋势。

路基沉降的理论值与实际监测值通常存在较大偏差,对此,在详细论述四种常用的路基沉降预测方法的基础上,提出一种基于人工神经网络与灰色模型的组合预测方法,并结合工程实例的实测数据,证实了组合方法在路基沉降趋势分析中的有效性和合理性。

GM(1,1)加权模型预测建筑物沉降的研讨

GM(1,1)加权模型预测建筑物沉降的研讨

灰色理论模型以其建模过程简单而应用于监测中，但也存在局限性、预测精度不高等问题。针对这些不足，尝试对其

鉴于gm(1,n)模型预测精度高及gm(1,1)所需统计数据数量少的优点,通过自相关理论,把gm(1,1)和gm(1,n)两者有机结合形成一个联合模型,以进一步提高灰色模型的预测精度。该文在沉降资料的基础上,利用该联合模型对南京一泵站的沉降进行了分析预报,其结果与回归模型和gm(1,1)模型进行了比较,最后得出了基于自相关理论的gm(1,1)、gm(1,n)联合预测模型,其精度可靠,可信度高,预报结果也与实际情况相吻合,从而证明了该方法在实际工程中的可行性。

建筑物地基沉降的灰色模型gm（1，1）预测法——文章主要运用灰色理论建立基于实际观测数据的沉降预测模型gm(1，1)．并通过其与另外2个工程中常用到的模型在同一实际工程的沉降预测值和实际观测结果的比较。证明gm（1，1）模型具有较好的预测结粜。可用于工程实...

文章主要运用灰色理论建立基于实际观测数据的沉降预测模型gm(1,1),并通过其与另外2个工程中常用到的模型在同一实际工程的沉降预测值和实际观测结果的比较,证明gm(1,1)模型具有较好的预测结果,可用于工程实践。

本文简述了时间序列分析的理论,并运用核理论,提出一套建筑物沉降建模方法,进行动态预测建筑物沉降的发展.通过例算,证明该种建筑物沉降动态预测方法的正确性.

针对建筑能耗的预测问题,提出一种基于深度条件受限玻尔兹曼机(crbm)的预测方法.首先,将传统受限玻尔兹曼机进行扩展,融入一个历史条件输入层,使其能够根据历史时间序列来预测未来序列.然后,在crbm基础上构建深度crbm模型,用来执行建筑能耗的预测.在一个\"个体家庭电力消耗\"数据集上的实验结果表明,提出的方法能够准确预测出预定时间段内的建筑能耗,能够为电力调度提供一定的依据.

建立基于支持向量机的建筑物沉降预测模型,并将其应用于建筑物的沉降预测。与采用bp神经网络的预测结果相比,支持向量机取得较好的预测结果。实例表明支持向量机在小样本数据的预测上具有精度高、泛化能力强的特点,为建筑物的沉降预测提供一种新的方法。

为了确保建筑物施工、运营期间的安全,需要进行沉降观测.分析了沉降观测的流程和要求,在沉降观测数据的基础上,提出了使用双曲线进行沉降预测的方法,从而可以根据预测的沉降量,科学决策,确定沉降观测的周期.

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。

为了研究隧道周边建筑物地表的变形,本文根据京东方蒸汽管道工程隧道开挖过程中周边建筑物地表的沉降观测数据,利用二次指数平滑法和灰色系统法建立数学模型,分别对建筑物地表做变形预测,并对预测结果进行分析和对比,结果显示二次指数平滑法的预测精度更高。对于隧道周边建筑地表沉降的预测二次指数平滑法效果更好,比较符合实际变形曲线,相对来说是一种较好的变形预测方法,为隧道的开发过程中防止安全事故的发生、避免经济损失和人员伤亡提供一种参考方法。

本论文先简单介绍建筑物沉降观测的基本内容和预测方法,再重点介绍非等间距灰色理论模型的基本原理、模型及其应用,采用了一个实例预测分析了其模型gm(1,1)在建筑物沉降预报中的结果,对比多项式拟合方法预测结果,验证了非等间距灰色模型对建筑物沉降预测中的有效性。

利用matlab7.0软件对原始数据进行等间距处理后,用一次累加数列与原始数列构建微分模型,通过不断去掉旧数据加入新数据,以工程数学为基础,运用灰色理论构建新陈代谢gm(1,1)模型。并以工程实例进行模拟和预测效果检验,将普通gm(1,1)模型和新信息gm(1,1)模型预测效果进行比较,计算和对比结果表明,新陈代谢gm(1,1)模型精度明显高于其它模型,预测效果大大提高。

以天津临港产业区内某围海造陆工程地基处理项目为背景,选取某位置处地基沉降监测数据,利用weibull模型预测吹填土地基沉降与时间的对应关系。计算结果表明,该方法预测结果准确,具有广泛的适应性。

建筑施工中,沉降观测是监测建筑物是否安全的重要环节,将灰色系统理论应用于建筑物沉降变形的数据分析,结合沉降观测实例,进行沉降预测结果的分析和检验,在一定程度上证实了建筑物沉降变形分析中采用灰色gm(1,1)预测方法的可行性.

针对建筑物出现的变形问题,提出在现有建筑物观测数据的基础上,运用灰色理论的方法,建立gm(1,1)模型,来预测该建筑物的沉降量,并用matlab来对gm(1,1)算法进行实现。分析结果表明,gm(1,1)模型能较好地预测建筑物的沉降发展趋势,具有较强的实用性。

本文详细介绍了gm（1，1）灰色理论模型，并利用该模型对一泵站的沉降进行了预测，同时将预测结果与回归模型进行了对比，最后从分析结果可知gm（1，1）灰色模型能较好地预测该建筑物的沉降发展趋势。

随着经济的发展,电力需求在全世界范围内越来越大,而其中清洁能源的发展占据了新能源开发的主导地位.在我国,风力发电是新能源发展的重中之重.可是风力发电的效率很难控制,基于风力大小的发电依赖于装机容量,或者说依赖于风电场准备发出多少电力.党风电场制造的电力高于实际需求时,由于电力的难于存储性,多余出的电力实际被浪费,当风电场制造的电力低于实际需求时,又会影响实际的工业发展与民用需求.考虑到风电场的装机容量之巨大,0.1个百分点的效率提升,都会给风电场带来巨大的经济利益.本文致力于应用组合模型于电力需求预测并得到精确的预测结果,从而指导实际运营中风电场的电力供给计划.在这篇文章中,ennm(elmannetworkmodel)和arsrm(splinerollingauto-regressivemodel)被应用与短期电力数据预测与中长期电力数据预测.组合模型的测试在newsouthwales的实际数据中测试.就在我们做出研究的期间,newsouthwales的电力需求波动与6000kwh与13000kwh之间.我们通过对总体数据的分析,提出了一种新的基于电力卡方测试的分类方式.通过这种方式电力数据可以被分为7种.我们以字母a~g来命名分类后的数据.与此同时,数据会被分类为两个部分,其中的一个部分含有两个或两个以下的极值点,另一部分含有三个或三个以上的极值点,这种分类是为了帮助我们更好的研究数据特性并为我们能够更好的应用模型做出贡献.

以往的震害预测方法往往需要调查建筑物的详细力学特性参数,这对个别社区的范围是可行的,但对整个城市的震害预测,则需要耗费巨大的财力、物力,因此需要研究适用于城市群体建筑物的快速震害预测方法.提出基于范例推理的建筑物震害预测方法,该方法通过建筑物震害范例的表示、索引、检索和调整模型,并运用access建立了建筑物震害范例库,实现了基于灰色关联分析确定属性权重和欧式距离、曼哈顿距离、模糊相似优先及神经网络等的4种检索方法来预测城市未知建筑物的震害结果.该方法能够在较少的投资和时间下,迅速给出城市的震害预测结果.最后将该方法应用于厦门市的建筑物震害预测,结果表明该系统具有良好的可操作性和结果可靠性.