該文基于實測資料進行建筑物沉降預測。在灰色模型和泊松曲線模型理論的基礎上,引入對非等間距數列進行變換處理的方法,從而建立了非等間距預測模型。結合建筑物沉降監測資料進行分析比較,結果表明,兩種預測方法均能較好地反映建筑物的沉降趨勢。

路基沉降的理論值與實際監測值通常存在較大偏差,對此,在詳細論述四種常用的路基沉降預測方法的基礎上,提出一種基于人工神經網絡與灰色模型的組合預測方法,并結合工程實例的實測數據,證實了組合方法在路基沉降趨勢分析中的有效性和合理性。

GM(1,1)加權模型預測建筑物沉降的研討

GM(1,1)加權模型預測建筑物沉降的研討

灰色理論模型以其建模過程簡單而應用于監測中，但也存在局限性、預測精度不高等問題。針對這些不足，嘗試對其

鑒于gm(1,n)模型預測精度高及gm(1,1)所需統計數據數量少的優點,通過自相關理論,把gm(1,1)和gm(1,n)兩者有機結合形成一個聯合模型,以進一步提高灰色模型的預測精度。該文在沉降資料的基礎上,利用該聯合模型對南京一泵站的沉降進行了分析預報,其結果與回歸模型和gm(1,1)模型進行了比較,最后得出了基于自相關理論的gm(1,1)、gm(1,n)聯合預測模型,其精度可靠,可信度高,預報結果也與實際情況相吻合,從而證明了該方法在實際工程中的可行性。

建筑物地基沉降的灰色模型gm（1，1）預測法——文章主要運用灰色理論建立基于實際觀測數據的沉降預測模型gm(1，1)．并通過其與另外2個工程中常用到的模型在同一實際工程的沉降預測值和實際觀測結果的比較。證明gm（1，1）模型具有較好的預測結糶。可用于工程實...

文章主要運用灰色理論建立基于實際觀測數據的沉降預測模型gm(1,1),并通過其與另外2個工程中常用到的模型在同一實際工程的沉降預測值和實際觀測結果的比較,證明gm(1,1)模型具有較好的預測結果,可用于工程實踐。

本文簡述了時間序列分析的理論,并運用核理論,提出一套建筑物沉降建模方法,進行動態預測建筑物沉降的發展.通過例算,證明該種建筑物沉降動態預測方法的正確性.

針對建筑能耗的預測問題,提出一種基于深度條件受限玻爾茲曼機(crbm)的預測方法.首先,將傳統受限玻爾茲曼機進行擴展,融入一個歷史條件輸入層,使其能夠根據歷史時間序列來預測未來序列.然后,在crbm基礎上構建深度crbm模型,用來執行建筑能耗的預測.在一個\"個體家庭電力消耗\"數據集上的實驗結果表明,提出的方法能夠準確預測出預定時間段內的建筑能耗,能夠為電力調度提供一定的依據.

建立基于支持向量機的建筑物沉降預測模型,并將其應用于建筑物的沉降預測。與采用bp神經網絡的預測結果相比,支持向量機取得較好的預測結果。實例表明支持向量機在小樣本數據的預測上具有精度高、泛化能力強的特點,為建筑物的沉降預測提供一種新的方法。

為了確保建筑物施工、運營期間的安全,需要進行沉降觀測.分析了沉降觀測的流程和要求,在沉降觀測數據的基礎上,提出了使用雙曲線進行沉降預測的方法,從而可以根據預測的沉降量,科學決策,確定沉降觀測的周期.

由于非等間隔gm(1,1)灰色模型對于處理數據量小且表達信息不確定的數據具有優越性,因此廣泛應用于石油天然氣勘探、機床故障診斷、電力負荷預測、大壩安全監測等領域。基于非等間隔gm(1,1)灰色模型理論,利用某小區建筑物沉降觀測的實測數據,建立了適合該小區建筑物沉降預測的灰色模型。通過對比理論預測值和實測值,并進行模型對應的精度評定分析,結果表明,此模型適用于該建筑物沉降預測分析的研究。

為了研究隧道周邊建筑物地表的變形,本文根據京東方蒸汽管道工程隧道開挖過程中周邊建筑物地表的沉降觀測數據,利用二次指數平滑法和灰色系統法建立數學模型,分別對建筑物地表做變形預測,并對預測結果進行分析和對比,結果顯示二次指數平滑法的預測精度更高。對于隧道周邊建筑地表沉降的預測二次指數平滑法效果更好,比較符合實際變形曲線,相對來說是一種較好的變形預測方法,為隧道的開發過程中防止安全事故的發生、避免經濟損失和人員傷亡提供一種參考方法。

本論文先簡單介紹建筑物沉降觀測的基本內容和預測方法,再重點介紹非等間距灰色理論模型的基本原理、模型及其應用,采用了一個實例預測分析了其模型gm(1,1)在建筑物沉降預報中的結果,對比多項式擬合方法預測結果,驗證了非等間距灰色模型對建筑物沉降預測中的有效性。

利用matlab7.0軟件對原始數據進行等間距處理后,用一次累加數列與原始數列構建微分模型,通過不斷去掉舊數據加入新數據,以工程數學為基礎,運用灰色理論構建新陳代謝gm(1,1)模型。并以工程實例進行模擬和預測效果檢驗,將普通gm(1,1)模型和新信息gm(1,1)模型預測效果進行比較,計算和對比結果表明,新陳代謝gm(1,1)模型精度明顯高于其它模型,預測效果大大提高。

以天津臨港產業區內某圍海造陸工程地基處理項目為背景,選取某位置處地基沉降監測數據,利用weibull模型預測吹填土地基沉降與時間的對應關系。計算結果表明,該方法預測結果準確,具有廣泛的適應性。

隨著經濟的發展,電力需求在全世界范圍內越來越大,而其中清潔能源的發展占據了新能源開發的主導地位.在我國,風力發電是新能源發展的重中之重.可是風力發電的效率很難控制,基于風力大小的發電依賴于裝機容量,或者說依賴于風電場準備發出多少電力.黨風電場制造的電力高于實際需求時,由于電力的難于存儲性,多余出的電力實際被浪費,當風電場制造的電力低于實際需求時,又會影響實際的工業發展與民用需求.考慮到風電場的裝機容量之巨大,0.1個百分點的效率提升,都會給風電場帶來巨大的經濟利益.本文致力于應用組合模型于電力需求預測并得到精確的預測結果,從而指導實際運營中風電場的電力供給計劃.在這篇文章中,ennm(elmannetworkmodel)和arsrm(splinerollingauto-regressivemodel)被應用與短期電力數據預測與中長期電力數據預測.組合模型的測試在newsouthwales的實際數據中測試.就在我們做出研究的期間,newsouthwales的電力需求波動與6000kwh與13000kwh之間.我們通過對總體數據的分析,提出了一種新的基于電力卡方測試的分類方式.通過這種方式電力數據可以被分為7種.我們以字母a~g來命名分類后的數據.與此同時,數據會被分類為兩個部分,其中的一個部分含有兩個或兩個以下的極值點,另一部分含有三個或三個以上的極值點,這種分類是為了幫助我們更好的研究數據特性并為我們能夠更好的應用模型做出貢獻.

以往的震害預測方法往往需要調查建筑物的詳細力學特性參數,這對個別社區的范圍是可行的,但對整個城市的震害預測,則需要耗費巨大的財力、物力,因此需要研究適用于城市群體建筑物的快速震害預測方法.提出基于范例推理的建筑物震害預測方法,該方法通過建筑物震害范例的表示、索引、檢索和調整模型,并運用access建立了建筑物震害范例庫,實現了基于灰色關聯分析確定屬性權重和歐式距離、曼哈頓距離、模糊相似優先及神經網絡等的4種檢索方法來預測城市未知建筑物的震害結果.該方法能夠在較少的投資和時間下,迅速給出城市的震害預測結果.最后將該方法應用于廈門市的建筑物震害預測,結果表明該系統具有良好的可操作性和結果可靠性.

根據matlab強大的數值和矩陣計算能力，將建筑抗震計算理論與matlab相結合，基于arcgis平臺，計算了不同結構類型建筑物在不同強度地震作用下的地震剪力和抗震承載力；并根據損毀理論分析了其損毀情況，建立了建筑物屬性表，形成抗震數據庫；再利用arcgis的分析功能，制作了城市抗震專題圖件，以期指導城市預防災害。

針對建筑物沉降變形中各監測點相互關聯、相互影響的情形,可將灰色系統理論中的gm(1,n)模型引入到建筑物沉降分析中。本文利用灰度關聯方法確定相關因子的關聯度,建立gm(1,n)模型,并與回歸分析、gm(1,1)模型比較。通過工程實例,得出灰關聯gm(1,n)模型預測精度明顯高于另外兩種模型,驗證了該模型在進行建筑物沉降分析預測中應用的可行性。

針對傳統的灰色預測模型對建筑物沉降預測精度不高、擬合數據較差的問題,在傳統的gm（1,1）模型基礎上提出了分數階建模的思想,采用粒子群優化算法求解最優分數階次,建立基于粒子群優化的分數階pfgm（1,1）模型.實例計算表明,分數階fgm（1,1）模型可以提高建筑物沉降的預測精度,通過粒子群優化算法選取最優階次可以進一步提高預測精度和誤差檢驗等級.由此可見,基于粒子群優化的分數階pfgm（1,1）模型對建筑物的沉降控制有著重要的指導作用.