预测地铁施工中地表变形的动态系统方法

提出了基于自回归（AR）模型对时间序列统一建模的新观点和方法,可大大减少计算量,并在微机上编程实现,以实例对动态模型与静态模型分别作了应用比较,结果表明,时间序列分析动态模型是系统分析的重要方法,是统计预测中的高级预测方法,预测精度高,用途广泛,而静态模型适合于内插,不适合于外推预报。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

基于支持向量回归的非线性时间序列预测

针对实际系统的高度非线性及复杂动态性,把非线性时间序列建模与预测问题转换为函数回归估计问题.把具有全局最优性、较好泛化能力及训练效率高的最小二乘支持向量回归算法应用到非线性时间序列预测与建模中.最后给出了某市年电力负荷预测的应用实例,与传统支持向量回归算法相比,文章描述的方法具有较好的预测精度.     

非线性时间序列预测的BP神经网络方法及应用

针对在非线性时间序列的BP神经网络建模预测的基本方法中,存在的建模速度慢,计算较复杂等问题,提出一种改进的BP神经网络动态建模与预测方法,并运用该方法对一非线性时间序列进行了仿真,仿真结果表明此方法的实际应用效果较好。     

基于小波分解与自回归树的时间序列预测新方法

小波分解可以将非平稳时间序列分解成多层近似意义上的平稳时间序列,本文首先采用小波分解将非平稳时间序列分解,在分解后的各层时间序列上构造自回归树模型,采用贝叶斯方法学习决策树的结构与变量,并对分解后的时间序列进行预测,最后采用小波重构方法将分解后的各层时间序列重构,得到原始时间序列的预测值。以2007年海关统计的重点出口商品量的数据为例,对中国出口贸易的走势进行分析和预测。结果表明,本文的方法比传统时间序列预测方法精度高,可以很好地应用于非平稳时间序列的预测。     

Sloboda模型在隧道围岩变形预测中适用性分析

隧道围岩变形的监测和分析对于隧道工程的设计和施工都非常关键,鉴于Sloboda生长曲线与隧道围岩变形-时间曲线的相似性,将Sloboda模型引入到围岩变形预测中,通过围岩变形-时间曲线的拟合预测未来围岩变形发展趋势和围岩极限变形值。通过工程实例具体分析了Sloboda模型的适用性,结果表明:Sloboda模型可以较好地拟合隧道围岩变形-时间曲线;围岩变形-时间曲线的波动性以及尾部阶段发展趋势对Sloboda模型预测效果存在影响;Sloboda模型预测效果要优于指数曲线模型和双曲线模型,具有更好的应用价值。     

一种非线性移动自回归预测模型

应用非线性回归分析中的S型增长模型及移动平均线理论,对按时间次序排列的单一数据序列,给出了一种非线性移动的自回归预测模型,将其应用于股价指数的历史数据中,对该预测模型的合理性和准确性作了初步验证,得到的结果相当理想,本模型具有一定的实际应用价值。     

基于回归分析法的某隧道围岩变形规律研究

通过对G318线高尔寺隧道围岩变形监测,获得了拱顶沉降和边墙收敛准确数据.利用最小二乘法回归分析方法对监测成果数据进行拟合处理,并对其精度进行分析研究.根据回归拟合方程表明隧道围岩开挖后的一段时间内,其变形位移随开挖时间出现非线性的变化规律,最终趋于稳定值,此与实际监测结果一致.研究结论对隧道围岩开挖施工以及支护时间的选择具有重要指导意义.     

Sloboda模型在隧道围岩变形预测中的应用及其适用性分析

隧道围岩变形的监测和分析对于隧道工程的设计和施工都非常关键,鉴于Sloboda生长曲线与隧道围岩变形-时间曲线的相似性,将Sloboda模型引入到围岩变形预测中,通过围岩变形-时间曲线的拟合预测未来围岩变形发展趋势和围岩极限变形值。通过工程实例具体分析了Sloboda模型的适用性,结果表明：Sloboda模型可以较好的拟合隧道围岩变形-时间曲线;围岩变形-时间曲线的波动性以及尾部阶段发展趋势进对Sloboda模型预测效果存在影响;Sloboda模型预测效果要优于指数曲线模型和双曲线模型,具有更好的应用价值。     

基于RBF神经网络的隧洞围岩变形预测方法

传统回归方法对于围岩变形时程曲线存在反弯点，这种情况的模拟具有难度。提出的基于RBF神经网络的隧道围岩变形预测方法，不仅能很好地描述复杂的围岩变形时程曲线     

福州大腹山隧洞围岩位移的非线性时序分析

以福州大腹山隧洞为例 ,在分析其工程地质条件的基础上 ,对隧洞围岩位移监控量测数据建立了非线性时间序列分析模型 .所建模型可用于预测隧洞围岩位移的未来变化 ,评价围岩的稳定性     

BP神经网络技术与Geo-Studio对比分析隧道围岩应变并预测

隧道新奥法施工中,围岩应变是评判围岩稳定性和施工组织的经济合理性的重要指标。根据监控实测资料,针对围岩应变随时间的变化,采用人工神经网络技术建立实时跟踪预测模型,通过将预测结果与实测数据对比,并结合有限元数值模拟结果分析,发现三者吻合得较好,能够对围岩的进一步变形做出合理预测。     

隧道围岩变形EMD灰色系统预测模型研究

基于经验模态分解降噪原理,建立了EMD灰色系统GM(1,1)预测模型, 使EMD方法与灰色系统GM(1,1)预测模型很好地相结合,有效地降低了原始监测数据内噪声干扰对预测结果的影响,并结合梅花山隧道工程实际,对EMD灰色系统GM(1,1)预测模型进行了检验。研究结果表明：EMD灰色系统GM(1,1)预测模型环境适应能力较强,预测结果与实际监控数据吻合程度较高,是隧道工程围岩变形动态预测较为有效方法,具有较好的工程实用价值。     

隧道监控量测在围岩动态分级中的应用

研究了隧道监控量测结果在围岩动态分级中的应用.通过对隧道监测数据的统计分析,得出了对围岩动态分级具有意义的指标和各级围岩所对应的各指标的数值范围,用以指导施工阶段的隧道围岩动态分级、隧道的反馈设计和施工过程中的预测预报.实例证明,准确的隧道监测数据可以进一步完善和优化围岩分级,提高围岩分级的可靠性,为隧道围岩动态分级提供了一条新的途径.     

基于应变非线性软化的海底隧道围岩力学特性

采用弹性、峰后具有拐点的应变非线性软化本构模型,且同时考虑中主应力效应,在海水渗流和不同排水工况下,对海底隧道围岩弹塑性区应力分布规律、围岩与支护之间作用关系以及最小支护阻力进行研究,分析海水压力、上覆岩层厚度、有效孔隙度对围岩力学特性的影响,提H{渗流作用下隧道围岩稳定的海水压力临界值的概念,并绘制围岩(支护)特性曲线.研究结果表明:海底隧道排水越充分,围岩有效孔隙度越大,则塑性区开展范围越大,且递增幅度较大,围岩(支护)特性曲线也不同;当隧道埋深较浅时,在隧道周围只形成塑性区域,只有当埋深进一步加大时,才可能形成松弛区域.     

考虑温度效应的板岩隧道围岩蠕变变形规律研究

隧道开挖后,围岩应力重新分布,产生蠕变变形现象,常会引起大变形、塌方、冲击地压等灾害.为解决此问题,进行了0～120 d的围岩位移、温度现场监测试验,预测和评价板岩隧道围岩的长期稳定性.首先,基于监测位移和温度变化规律,建立改进的Harris温度-时间关系表达式;然后,嵌入Heard幂律型蠕变模型,得到一个新的考虑温度...     

基于神经网络免疫集成的非线性时间序列故障预报

针对神经网络集成对个体差异性的要求 ,提出了集成网络间的结构差异度的概念 .在此基础上设计了一种基于反向选择的免疫算法 ,该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度 ,从而提高神经网络集成的泛化能力 .同时证明了该算法对最优个体的收敛性 .将该方法应用于受噪声污染的非线性时间序列故障预报 ,根据预测误差可以方便准确地检测系统的缓变故障和突变故障 ,实现对微小故障的快速故障预报 ,降低误检率 .仿真结果证明了该方法的有效性 .     

ANN非线性时间序列预测模型输入延时τ的确定

用神经网络（ANN）建立非线性时间序列预测模型时，ANN输入数据延时间隔τ的选取是必须考虑的一个方面。目前关于延时间隔τ选取的流行做法是：将τ确定为相空间重构时的最佳延时τs，本文提出了与此不同的观点，即神经网络输入数据延时间隔τ的选取与τs无直接关系。综合考虑其他一些因素，认为ANN输入数据延时间隔τ取为1是最为合理的。给出了理论分析和实验验证。     

爆破振动作用下巷道围岩微裂纹扩展研究

考虑开挖二次应力场和矿体回采爆破振动对圆形巷道围岩微裂纹的影响,探讨巷道围岩裂纹尖端应力场及单节理微裂纹的Ⅰ、Ⅱ型应力强度因子,基于双剪统一强度理论,研究圆形巷道围岩微裂纹裂尖在二次开挖应力场及爆破振动动力场作用下的裂尖起裂角和裂尖塑性区统一解.根据计算式及所得图形,分析比较爆破振动影响下微裂纹扩展角及裂纹尖端塑性区范...