LS-SVM的基坑變形時間序列預測模型

隨著建設工程施工的信息化與安全化,基坑的變形預測是基坑設計和施工的重要補充手段?；赽p人工神經(jīng)網(wǎng)絡模型以及時序分析arx自回歸各態(tài)歷經(jīng)模型,對基坑的沉降變形進行了預測,數(shù)據(jù)結果表明兩種模型均能較好地對未來值進行較真實的預測;從bp模型與arx模型的預測結果均方誤差值大小的角度而言,bp模型的預測對于未來趨勢的判斷比arx模型要更強一些。試驗結果說明兩種預測模型應用于實際工程的監(jiān)測預測具有實際意義。

介紹了小波分析與時間序列組合模型的優(yōu)點,給出了利用該組合方法對建筑物變形監(jiān)測數(shù)據(jù)進行分析和預測的思路,并對長江紫都c塊1#樓的沉降監(jiān)測數(shù)據(jù)進行了分析和預測。結果表明,該方法能有效分析和預測建筑物的沉降變形情況,建筑物各沉降點的累積沉降量均在允許的范圍內,隨時間的推移,沉降累積量趨于平穩(wěn),該建筑物基本穩(wěn)定。

分析得出原始gm(1,1)模型對應的灰微分方程僅是白化微分方程的梯形積分形式,因此以辛普生求積公式為基礎建立了新的灰微分方程,而辛普生求積公式也是一種近似表達形式,因而對新的灰微分方程添加動態(tài)擾動項,以彌補灰微分方程與白化微分方程的差別,同時對初始值添加修正項,使其更加符合最小二乘法思想。將改進后的gm(1,1)模型應用到基坑變形預測中,實例應用結果顯示,改進的gm(1,1)模型具有較高的預測精度。

灰色預測模型在基坑變形中的應用——基于基坑監(jiān)測變形值具有一定的灰色特征，利用灰色系統(tǒng)理論建立了基坑監(jiān)測變形值的等步長與非等步長gm(1，1)預測模型。通過對某基坑樁頂位移變形數(shù)據(jù)的預測，表明了灰色預測模型在基坑變形監(jiān)測中具有較好的可行性及可靠性。

改進gm(1，1)模型在基坑變形預測中的應用——分析得出原始gm(1，1)模型對應的灰微分方程僅是白化微分方程的梯形積分形式，因此以辛普生求積公式為基礎建立了新的灰微分方程，而辛普生求積公式也是一種近似表達形式，因而對新的灰微分方程添加動態(tài)擾動項，以彌補...

灰色加權模型在深基坑變形預測中的應用——深基坑的變形及其預測是工程建設中經(jīng)常遇到的重要問題，論文對加權灰色模型應用于該領域作了探討。在進行加權模型理論計算的基礎上，以深基坑實際變形監(jiān)測資料為基礎，利用原始模型結果作為比較基礎，對加權模型進行了...

gm（1，1）優(yōu)化模型在基坑變形預測中的應用——基坑邊坡系統(tǒng)是一典型的灰色系統(tǒng)。其變形發(fā)展過程可用灰色系統(tǒng)理論進行預測。本文在常規(guī)全息gm(1，1)模型的基礎上，采用等維新息迭代法gm(1，1)模型對鄭州太陽城紫荊花園基坑變形進行模擬預測，結果表明了迭代法g...

基于空調負荷預測的優(yōu)化控制是解決冰蓄冷控制問題的理想途徑。本文在分析國際建筑物空調負荷預測競賽研究成果的基礎上指出,利用季節(jié)性時間序列模型建模預測精度較高,且工程實施簡便,特別適合于空調系統(tǒng)連續(xù)運行、負荷波動規(guī)律性較強的建筑物負荷預測。本文概要介紹利用季節(jié)性時間序列模型進行建模預測的理論和方法,并通過工程實例驗證了建模方法的有效性。

結合小波分析在數(shù)據(jù)處理方面的優(yōu)勢,采用小波包去噪對露天礦邊坡沉降數(shù)據(jù)進行去噪處理,再結合時間序列分析理論建立小波包-時間序列預測模型,從而對露天礦邊坡進行變形分析預測。通過實驗數(shù)據(jù)對比分析,結合小波包去噪與時間序列分析理論模型對露天礦邊坡沉降數(shù)據(jù)進行預測,預測精度較高,能夠對礦區(qū)邊坡的沉降進行預測。

利用時間序列和灰色模型理論,針對北方某城市的交通事故統(tǒng)計數(shù)據(jù),分別建立了自回歸移動平均模型及灰色模型,并對各模型進行了步長為12的預測。通過模型對比發(fā)現(xiàn):2個模型的預測絕對誤差分別為23.95%和54.32%,且對于具有季節(jié)周期性特點的序列,自回歸移動平均模型的預測結果與實際觀測值比較吻合,說明自回歸移動平均模型比灰色模型更能充分挖掘歷史信息以減少預測誤差,并反映數(shù)據(jù)的周期性變化,具有良好的適用性。

以國家體育場(鳥巢)工程的沉降觀測數(shù)據(jù)為基礎,論述了采用時間序列模型處理變形數(shù)據(jù)的原理和方法,并對建筑物的變形趨勢進行了分析和預測,為建筑物的安全施工和正常使用提供了保障.

運用小波理論和神經(jīng)網(wǎng)絡理論不同結合方法建立地表變形預測模型。文中先建立了較為普遍的松散型的小波去噪神經(jīng)網(wǎng)絡模型和緊致型的小波神經(jīng)網(wǎng)絡模型,分析了小波去噪和bp神經(jīng)網(wǎng)絡的隱含層節(jié)點數(shù)選取過程?；趯崪y數(shù)據(jù)分析可得:三種模型的預測效果較單一的bp神經(jīng)網(wǎng)絡預測效果更好;基于小波變換的神經(jīng)網(wǎng)絡預測模型的平均絕對百分比誤差為0.15,優(yōu)于另兩種模型的預測精度。

根據(jù)杭州灣懸浮泥沙濃度的時間序列數(shù)據(jù),通過數(shù)據(jù)預處理、模型識別、定階、參數(shù)估計及適應性檢驗,建立了一個arima(3,1,2)模型,并對未來杭州灣懸浮泥沙的濃度作了預測.結果表明,arima模型對描述和預測杭州灣懸浮泥沙濃度具有較高的精度.

根據(jù)杭州灣懸浮泥沙濃度的時間序列數(shù)據(jù),通過數(shù)據(jù)預處理、模型識別、定階、參數(shù)估計及適應性檢驗,建立了一個arima(3,1,2)模型,并對未來杭州灣懸浮泥沙的濃度作了預測。結果表明,arima模型對描述和預測杭州灣懸浮泥沙濃度具有較高的精度。

基于灰色bp神經(jīng)網(wǎng)絡組合模型的基坑變形預測研究——為了使得基坑變形預測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結果，在傳統(tǒng)的灰色gm(1，1)模型和bp神經(jīng)網(wǎng)絡模型的基礎上，進行了灰色bp神經(jīng)網(wǎng)絡組合模型的研究。通過總結2傳統(tǒng)模型的原理和算...

本文基坑變形預測共包含了兩個過程，即一次非線性預測和二次非線性預測。其中，一次非線性預測是利用多種回歸模型對基坑的變形進行回歸預測，探討不同回歸模型的預測效果，并選取較優(yōu)的回歸結果進行組合預測；二次非線性預測是利用混沌rbf神經(jīng)網(wǎng)絡對組合預測的搜索誤差序列進行二次預測，進一步減少預測誤差，提高預測精度。結果表明：本文的預測精度較高，該方法在基坑變形預測中具有較高的有效性和可行性。

針對基坑變形預測中信息的灰色性和數(shù)據(jù)的非線性性,提出用灰色神經(jīng)網(wǎng)絡預測基坑變形的新方法。用一樁錨聯(lián)合支護體系實例進行了預測研究,得到支護體系的不同預測模型的組合預測值。研究結果表明:灰色神經(jīng)網(wǎng)絡預測誤差比gm(1,1)預測模型小;與bp預測模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測中,為了更準確地預測基坑變形,可以采用灰色神經(jīng)網(wǎng)絡預測與bp預測相結合的方法進行預測。

基于arma模型的隧道位移時間序列分析——在新奧法隧道施工中，隧道位移監(jiān)測對于評價圍巖穩(wěn)定性和支護結構合理性起重要作用。目前大都采用ar模型對隧道位移進行時間序列分析，避開了非線性估計，致使擬合精度和模型實用性較差。為此，介紹了具有較高預測精度和較...

巖土工程受力變形演化是一個典型的非線性問題,其演化的高度非線性和復雜性,很難用簡單的力學、數(shù)學模型描述,但可用粒子群優(yōu)化徑向基神經(jīng)網(wǎng)絡對巖土工程應力、位移非線性時間序列進行動態(tài)實時預測。網(wǎng)絡徑向基層的單元數(shù)通過均值聚類法確定后,所有其它參數(shù):中心位置、形狀參數(shù)、網(wǎng)絡權值,均通過粒子群優(yōu)化算法在全局空間優(yōu)化確定。工程實例應用表明,該模型預測結果準確、精度高,有良好的應用前景。

基坑變形的灰色模擬與預測——根據(jù)基坑變形監(jiān)測信息，采用gm（1，1）灰色建模分析方法處理監(jiān)測數(shù)據(jù)，模擬變形值和預測變形的發(fā)展趨勢，并在工程實例中得到了檢驗。實踐證明，該方法是處理基坑監(jiān)測反饋信息并預測變形發(fā)展的有效手段，能為基坑動態(tài)設計和信息化施...

以在建車庫基坑邊坡支護結構的變形監(jiān)測為例,獲取其豎直方向的動態(tài)數(shù)據(jù),建立灰色gm(2,1)模型,對該車庫基坑邊坡支護結構進行沉降預測,并對所建模型進行精度檢驗,結果顯示gm(2,1)模型在基坑邊坡支護結構沉降變形分析中具有較強作用。

提出一種基于粗糙集(roughset,rs)—最小二乘支持向量機(least-squares-supportvectormachine,ls-svm)復合的建筑物室內空氣品質評價方法,選取描述室內空氣品質的六項監(jiān)測指標作為評價因子,利用rs理論,對室內空氣品質監(jiān)測數(shù)據(jù)進行屬性約簡,消除冗余信息,用約簡后的規(guī)則集對ls-svm進行訓練,使其達到滿意精度。實驗仿真表明:該復合方法具有良好的收斂速度與非線性逼近能力,能對室內空氣品質進行實時、準確的評價,為建筑物室內空氣品質監(jiān)測、環(huán)境污染治理提供科學依據(jù)。