分段线性内插与灰色系统组合模型在建筑物沉降监测中的应用

灰色模型在处理等间隔数据方面,可以通过数值累加处理变换,由"灰"变"白"寻找数据的发展规律;但在沉降监测实际工作中,受限于天气、环境等因素,建筑物沉降监测数据往往具有非等时间隔特点,不能直接应用灰色模型进行数据处理。本文拟通过分段线性内插与灰色系统模型组合的方法,先对前期数据进行线性内插,产生等时间样本序列,然后再利用灰色模型进行数据建模分析,从而得到了非等时距灰色线性组合模型,同时通过实例验证了该组合模型的有效性。     

串联式组合模型在基坑监测中的应用

在传统模型基础上提出串联式组合模型,选择灰色模型对基坑监测数据的趋势项进行拟合,时间序列模型对监测数据的随机项进行拟合,发挥两者自身的特点,进行有机地组合预测分析。通过工程实例预测结果分析表明:串联式组合模型不仅能够预测出基坑的变形趋势,而且相对于时间序列模型、灰色模型有着较好的预测精度,体现出将串联式灰色时间序列组合模型应用于基坑监测的合理性和有效性。     

时间序列在变形监测中的应用

详细介绍了时间序列的基本原理以及时间序列建模中的数据预处理、模型选择、模型定阶、模型参数的确定及模型的可靠性等建模步骤,并给出了时间序列的预报公式.最后用时间序列分析处理了某市的某-边坡沉降观测数据.通过对结果的分析,得出时间序列分析用于简单的时序预测具有较好的效果,9期预测误差的绝对值均小于0.18 mm.其建模过程...     

回归模型与时间序列在大坝变形监测中的应用

对大坝监测的GPS数据,利用回归分析和时间序列的方法建立了大坝形变模型,并进行数值模拟。结果表明误差为AR（1）的回归模型优于普通的回归模型,而且优于一般小波方法的非线性回归模型。     

堆石坝变形监测的灰色非线性时序组合模型

结合堆石坝变形的特点,应用逐步回归方法提取大坝变形观测数据系列的水压和温度分量后,用灰色非线性系统模型模拟剩余数据系列的趋势项,用时间序列模型模拟剩余数据系列的随机项,由此建立了堆石坝变形监测的灰色非线性时序组合模型。计算分析表明新模型提高了拟合精度,使堆石坝变形监测的数学模型更趋于合理。     

灰色线性回归组合模型在沉降监测中的应用

为了在贫数据条件下准确预报中长期沉降值,采用线性回归方程和指数方程的组合方式,通过适当配置模型的某些参数来获得新的生成序列函数模型．结合工程实际算例进行预测,并和实际观测数据比较,取得了较好的效果,验证了灰色线性回归组合模型应用于沉降监测预报的可行性．通过其残差与回归分析模型和灰色预测GM（1,1）模型残差相比较,证明该模型在沉降预报中优于回归分析模型和灰色预测GM（1,1）模型．     

高层建筑物沉降变形监测及数据分析

首先扼要介绍了高层建筑物实施沉降变形监测的目的及意义,接着以某楼盘沉降观测为例,重点阐述了该高层建筑物沉降监测方案布设、外业施测及数据处理等内容。并采用灰色系统理论等多种方法对沉降变形趋势做出预测,得出灰色系统理论预测效果优于其它方法的结论。     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

高层建筑物沉降监测数据综合分析的几种方法

目的探求桩基基础与灰土地基基础高层建筑物沉降监测数据分析的较优方法。方法应用线性回归模型、时间序列模型、灰色系统模型对桩基基础与灰土地基基础的高层建筑物沉降实测数据进行分析。结果3种方法对桩基基础高层建筑物的数据分析均取得了良好效果,而对灰土地基基础高层建筑物沉降监测数据分析中,时间系列模型要优于线性回归模型、灰色系统模型。结论桩基基础高层建筑物的监测数据分析可以采用线性回归模型、时间序列模型、灰色系统模型,而灰土地基基础高层建筑物监测数据分析更适合选用时间序列模型。     

基于神经网络与时空序列的混合模型在变形监测中的应用

在变形数据分析与建模中,同时考虑变形体测点之间的时间相关性以及空间相关性的时空序列模型(STARMA)能够更好地反映出变形体的形变规律,但STARMA模型是建立在线性平稳模型基础上的,且大多数观测数据序列是非平稳过程,这给时空序列模型的应用带来了局限性.由于BP神经网络具有很强的非线性映射能力,基于此,结合这两种模型的特点,构造ANN+SRATMA混合模型来处理非平稳序列.通过对建筑物的沉降观测进行分析研究,结果表明了混合模型要优于单一模型,具有很好的实用性.     

建筑物沉降的时间序列分析与预报

首先对建筑物沉降数据序列进行了平稳化处理,然后研究了平稳化序列的建模和预报方法,最后结合建筑物沉降监测的具体实例进行了时间序列的分析与预报.结果表明:将时间序列分析方法应用于建筑物沉降监测,具有建模容易、计算简单、预报快速的特点;时间序列分析方法对建筑物沉降具有较高的模型拟合及预报精度,尤其是短期预报,效果更佳;应尽量避免使用时间序列进行中长期预报,要根据实测数据对所建模型进行实时更新.     

基于时间序列的灰色预测技术在估产模型中的应用

在建立估产模型过程中，引进基于时间序列的灰色预测技术，通过对样本点建立基于时间序列的灰色预测模型和常规的多元线性回归气象模型的分析比较，试图找到一种计算简单，数据要求少而精度较高，时效性较好的建模方法，为时间序列预测在农作物估产方面的应用作出一点探索。     

高层建筑物沉降变形监测实践

结合高层建筑沉降变形的监测实践，论述了沉降观测的应用技术、施工过程与方法，为确保建筑物的正常施工及安全运营提供了可靠的依据，沉降变形监测方法可供实际工程变形监测时参考。     

时变参数模型在建筑物变形分析中的应用

对传统GM(1,1)沉降预测模型进行分析后,发现参数采用固定值与实际情况不符,会影响预测精度.为弥补这一不足,对传统灰色模型进行改进,假定参数是时间的连续函数,并对之做了拟合,提出含时变参数的GM(1,1)预测模型.实例证明此模型比传统GM(1,1)模型精度更高.     

灰色模型GM(1.1)在高层建筑沉降监测中的应用

介绍了灰色模型系统,并重点论述了灰色模型GM(1.1)在高层建筑的沉降预测中的应用.通过对高层建筑不同周期得到的沉降预测数据与实际数据进行对比分析,成果精度均符合要求,结果表明该模型在高层建筑的沉降监测具有很好的适用性.     

遗传算法在建筑物沉降预测中的应用

结合遗传进化算法的全局优化思想和时间序列分析的基本理论,提出了一种新的基于遗传算法的建筑物沉降非线性动力学行为预测模型进化识别算法。设计了模型结构和参数分别进化,共同识别方案,实现对非线性时间序列分析模型结构和参数进行全局最优搜索。实例分析结果表明：该方法具有较好的预测精度和推广预测能力,为高大建筑物沉降预测提供了一个有效的分析工具。     

组合时间序列方法在长沙人口预测中的应用

选择ARIMA模型作为基本的基因模型。先把时间序列过程分为几代,再应用模糊隶属函数和遗传进化理论求出各代的主导模型,最后通过设计进化过程对时间序列模型进行最优组合。通过这种方法,可以克服很多时间序列模型存在的假定整个动态过程没有结构变化的缺陷。检验结果也表明该模型具有较好的预测效果。     

建筑物沉降预测的非等间距灰色模型

本文介绍了传统灰色GM（1,1）模型和非等间隔数列的灰色模型建模问题,并结合高层建筑物沉降观测实例进行建模、分析、预测,并与多元线性回归模型结果进行了比较,验证了该灰色模型在建筑物沉降监测分析中的实用性和有效性。     

数据处理在沉降观测中的应用

本文通过死海南端约旦18号海堤的沉降监测实例，利用灰色模型理论对沉降监测标志-Settlement Beacons的沉降值数据进行分析预报，对连续沉降观测的数据和不连续沉降观测的数据处理的几种方法也作了分析和总结。这些方法可在类似的监测工作中予以借鉴。     

Logistic模型在高层建筑物沉降监测中的应用

介绍了Logistic增长曲线模型,通过实测数据建立沉降预测模型,拟合出s-t曲线,用平均绝对百分误差(MAPE)来评价预测模型拟合的精度,发现Logistic模型属于高精度拟合.将预测数据与实际观测数据进行对比分析,预测精度较高.结果表明该模型可用于高层建筑物的沉降预测情况.