針對(duì)神經(jīng)網(wǎng)絡(luò)用于基坑變形預(yù)測(cè)存在結(jié)構(gòu)難確定、訓(xùn)練易陷入局部最優(yōu)及易過學(xué)習(xí)等問題,構(gòu)造滾動(dòng)時(shí)間窗,以已有的實(shí)測(cè)時(shí)間序列為樣本,利用最小二乘支持向量機(jī)(ls-svm)建立基坑預(yù)測(cè)模型,應(yīng)用網(wǎng)格搜索算法優(yōu)化模型參數(shù),連續(xù)滾動(dòng)地多步預(yù)測(cè)基坑變形。實(shí)例結(jié)果表明,該模型預(yù)測(cè)效果優(yōu)于bp神經(jīng)網(wǎng)絡(luò),具有所需數(shù)據(jù)少、推廣能力強(qiáng)等優(yōu)點(diǎn)。

巖土工程受力變形演化是一個(gè)典型的非線性問題,其演化的高度非線性和復(fù)雜性,很難用簡(jiǎn)單的力學(xué)、數(shù)學(xué)模型描述,但可用粒子群優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)對(duì)巖土工程應(yīng)力、位移非線性時(shí)間序列進(jìn)行動(dòng)態(tài)實(shí)時(shí)預(yù)測(cè)。網(wǎng)絡(luò)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(luò)權(quán)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(shí)例應(yīng)用表明,該模型預(yù)測(cè)結(jié)果準(zhǔn)確、精度高,有良好的應(yīng)用前景。

隨著建設(shè)工程施工的信息化與安全化,基坑的變形預(yù)測(cè)是基坑設(shè)計(jì)和施工的重要補(bǔ)充手段?；赽p人工神經(jīng)網(wǎng)絡(luò)模型以及時(shí)序分析arx自回歸各態(tài)歷經(jīng)模型,對(duì)基坑的沉降變形進(jìn)行了預(yù)測(cè),數(shù)據(jù)結(jié)果表明兩種模型均能較好地對(duì)未來值進(jìn)行較真實(shí)的預(yù)測(cè);從bp模型與arx模型的預(yù)測(cè)結(jié)果均方誤差值大小的角度而言,bp模型的預(yù)測(cè)對(duì)于未來趨勢(shì)的判斷比arx模型要更強(qiáng)一些。試驗(yàn)結(jié)果說明兩種預(yù)測(cè)模型應(yīng)用于實(shí)際工程的監(jiān)測(cè)預(yù)測(cè)具有實(shí)際意義。

針對(duì)建筑施工事故原始樣本少、隨機(jī)波動(dòng)大和預(yù)測(cè)難度大等特點(diǎn),對(duì)建筑施工事故小樣本預(yù)測(cè)問題展開研究。采用lssvm對(duì)建筑施工事故進(jìn)行回歸建模,發(fā)揮粒子群算法計(jì)算速度快和具有較強(qiáng)全局搜索能力的優(yōu)點(diǎn),基于pso對(duì)lssvm參數(shù)進(jìn)行優(yōu)化；以相關(guān)文獻(xiàn)建筑施工事故為預(yù)測(cè)案例,運(yùn)用所提方法進(jìn)行仿真實(shí)驗(yàn)。結(jié)果表明:采用pso-lssvm預(yù)測(cè)方法的絕對(duì)誤差(mape)為2.99%,并且每年的預(yù)測(cè)相對(duì)誤差都低于5%,遠(yuǎn)低于現(xiàn)有研究方法得出的結(jié)果,說明所提方法具有預(yù)測(cè)精度高、泛化能力強(qiáng)的特點(diǎn),能滿足工程應(yīng)用要求。

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

為了快速準(zhǔn)確的預(yù)測(cè)基坑開挖對(duì)周圍建筑物沉降的影響,本文提出一種結(jié)合多智能體粒子尋求lssvm(最小二乘支持向量機(jī))模型參數(shù)的算法,提高了lssvm算法的預(yù)測(cè)精度.采用該算法對(duì)昆明市某基坑開挖過程中周圍建筑物的沉降進(jìn)行預(yù)測(cè),并與其他預(yù)測(cè)方法進(jìn)行對(duì)比,結(jié)果表明該算法具有收斂速度快、預(yù)測(cè)精度高等特點(diǎn).

分析得出原始gm(1,1)模型對(duì)應(yīng)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(chǔ)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(dá)形式,因而對(duì)新的灰微分方程添加動(dòng)態(tài)擾動(dòng)項(xiàng),以彌補(bǔ)灰微分方程與白化微分方程的差別,同時(shí)對(duì)初始值添加修正項(xiàng),使其更加符合最小二乘法思想。將改進(jìn)后的gm(1,1)模型應(yīng)用到基坑變形預(yù)測(cè)中,實(shí)例應(yīng)用結(jié)果顯示,改進(jìn)的gm(1,1)模型具有較高的預(yù)測(cè)精度。

灰色預(yù)測(cè)模型在基坑變形中的應(yīng)用——基于基坑監(jiān)測(cè)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(cè)變形值的等步長(zhǎng)與非等步長(zhǎng)gm(1，1)預(yù)測(cè)模型。通過對(duì)某基坑樁頂位移變形數(shù)據(jù)的預(yù)測(cè)，表明了灰色預(yù)測(cè)模型在基坑變形監(jiān)測(cè)中具有較好的可行性及可靠性。

改進(jìn)gm(1，1)模型在基坑變形預(yù)測(cè)中的應(yīng)用——分析得出原始gm(1，1)模型對(duì)應(yīng)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(chǔ)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(dá)形式，因而對(duì)新的灰微分方程添加動(dòng)態(tài)擾動(dòng)項(xiàng)，以彌補(bǔ)...

灰色加權(quán)模型在深基坑變形預(yù)測(cè)中的應(yīng)用——深基坑的變形及其預(yù)測(cè)是工程建設(shè)中經(jīng)常遇到的重要問題，論文對(duì)加權(quán)灰色模型應(yīng)用于該領(lǐng)域作了探討。在進(jìn)行加權(quán)模型理論計(jì)算的基礎(chǔ)上，以深基坑實(shí)際變形監(jiān)測(cè)資料為基礎(chǔ)，利用原始模型結(jié)果作為比較基礎(chǔ)，對(duì)加權(quán)模型進(jìn)行了...

gm（1，1）優(yōu)化模型在基坑變形預(yù)測(cè)中的應(yīng)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(jìn)行預(yù)測(cè)。本文在常規(guī)全息gm(1，1)模型的基礎(chǔ)上，采用等維新息迭代法gm(1，1)模型對(duì)鄭州太陽(yáng)城紫荊花園基坑變形進(jìn)行模擬預(yù)測(cè)，結(jié)果表明了迭代法g...

為提高大型公共建筑能耗的預(yù)測(cè)精度,提出一種基于灰色模型和最小二乘向量機(jī)方法(gm-lssvm)的辦公能耗預(yù)測(cè)模型.該方法結(jié)合灰色建模計(jì)算簡(jiǎn)單的特點(diǎn),以及最小二乘支持向量機(jī)非線性擬合能力和泛化能力強(qiáng)的優(yōu)勢(shì),充分發(fā)掘樣本數(shù)據(jù)的規(guī)律,并以粒子群優(yōu)化算法進(jìn)行模型參數(shù)選擇.根據(jù)福州某大型公共建筑能耗數(shù)據(jù),通過本研究提出的方法建立預(yù)測(cè)模型,并與神經(jīng)網(wǎng)絡(luò)模型以及最小二乘支持向量機(jī)模型的預(yù)測(cè)結(jié)果進(jìn)行比較,驗(yàn)證了該方法具備較高的預(yù)測(cè)精度和較強(qiáng)的泛化能力.

基于空調(diào)負(fù)荷預(yù)測(cè)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(guó)際建筑物空調(diào)負(fù)荷預(yù)測(cè)競(jìng)賽研究成果的基礎(chǔ)上指出,利用季節(jié)性時(shí)間序列模型建模預(yù)測(cè)精度較高,且工程實(shí)施簡(jiǎn)便,特別適合于空調(diào)系統(tǒng)連續(xù)運(yùn)行、負(fù)荷波動(dòng)規(guī)律性較強(qiáng)的建筑物負(fù)荷預(yù)測(cè)。本文概要介紹利用季節(jié)性時(shí)間序列模型進(jìn)行建模預(yù)測(cè)的理論和方法,并通過工程實(shí)例驗(yàn)證了建模方法的有效性。

結(jié)合小波分析在數(shù)據(jù)處理方面的優(yōu)勢(shì),采用小波包去噪對(duì)露天礦邊坡沉降數(shù)據(jù)進(jìn)行去噪處理,再結(jié)合時(shí)間序列分析理論建立小波包-時(shí)間序列預(yù)測(cè)模型,從而對(duì)露天礦邊坡進(jìn)行變形分析預(yù)測(cè)。通過實(shí)驗(yàn)數(shù)據(jù)對(duì)比分析,結(jié)合小波包去噪與時(shí)間序列分析理論模型對(duì)露天礦邊坡沉降數(shù)據(jù)進(jìn)行預(yù)測(cè),預(yù)測(cè)精度較高,能夠?qū)ΦV區(qū)邊坡的沉降進(jìn)行預(yù)測(cè)。

利用時(shí)間序列和灰色模型理論,針對(duì)北方某城市的交通事故統(tǒng)計(jì)數(shù)據(jù),分別建立了自回歸移動(dòng)平均模型及灰色模型,并對(duì)各模型進(jìn)行了步長(zhǎng)為12的預(yù)測(cè)。通過模型對(duì)比發(fā)現(xiàn):2個(gè)模型的預(yù)測(cè)絕對(duì)誤差分別為23.95%和54.32%,且對(duì)于具有季節(jié)周期性特點(diǎn)的序列,自回歸移動(dòng)平均模型的預(yù)測(cè)結(jié)果與實(shí)際觀測(cè)值比較吻合,說明自回歸移動(dòng)平均模型比灰色模型更能充分挖掘歷史信息以減少預(yù)測(cè)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(guó)家體育場(chǎng)(鳥巢)工程的沉降觀測(cè)數(shù)據(jù)為基礎(chǔ),論述了采用時(shí)間序列模型處理變形數(shù)據(jù)的原理和方法,并對(duì)建筑物的變形趨勢(shì)進(jìn)行了分析和預(yù)測(cè),為建筑物的安全施工和正常使用提供了保障.

通過研究分析夏熱冬冷地區(qū)公共建筑能耗變化特點(diǎn),建立了rbf神經(jīng)網(wǎng)絡(luò)建筑能耗預(yù)測(cè)模型。在此基礎(chǔ)上運(yùn)用微粒群算法對(duì)模型優(yōu)化,建立了基于pso-rbf的建筑能耗預(yù)測(cè)模型。利用大量數(shù)據(jù)構(gòu)造樣本集,運(yùn)用軟件分別對(duì)優(yōu)化前后的預(yù)測(cè)模型進(jìn)行訓(xùn)練,并運(yùn)用到典型公共建筑能耗值的預(yù)測(cè)實(shí)例中。結(jié)果表明基于pso-rbf的建筑能耗預(yù)測(cè)模型的學(xué)習(xí)能力和預(yù)測(cè)能力強(qiáng),能較準(zhǔn)確地實(shí)現(xiàn)公共建筑能耗預(yù)測(cè)。

運(yùn)用小波理論和神經(jīng)網(wǎng)絡(luò)理論不同結(jié)合方法建立地表變形預(yù)測(cè)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(luò)模型和緊致型的小波神經(jīng)網(wǎng)絡(luò)模型,分析了小波去噪和bp神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)選取過程?；趯?shí)測(cè)數(shù)據(jù)分析可得:三種模型的預(yù)測(cè)效果較單一的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)效果更好;基于小波變換的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的平均絕對(duì)百分比誤差為0.15,優(yōu)于另兩種模型的預(yù)測(cè)精度。

根據(jù)杭州灣懸浮泥沙濃度的時(shí)間序列數(shù)據(jù),通過數(shù)據(jù)預(yù)處理、模型識(shí)別、定階、參數(shù)估計(jì)及適應(yīng)性檢驗(yàn),建立了一個(gè)arima(3,1,2)模型,并對(duì)未來杭州灣懸浮泥沙的濃度作了預(yù)測(cè).結(jié)果表明,arima模型對(duì)描述和預(yù)測(cè)杭州灣懸浮泥沙濃度具有較高的精度.

介紹了支持向量機(jī)回歸原理,建立了某高層建筑變形的時(shí)間序列預(yù)測(cè)模型,并采用網(wǎng)格搜索法對(duì)模型參數(shù)進(jìn)行選擇,保證模型的泛化能力。實(shí)驗(yàn)結(jié)果證明,和bp神經(jīng)網(wǎng)絡(luò)相比,支持向量機(jī)有更好的預(yù)測(cè)精度。

針對(duì)基坑變形預(yù)測(cè)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(luò)預(yù)測(cè)基坑變形的新方法。用一樁錨聯(lián)合支護(hù)體系實(shí)例進(jìn)行了預(yù)測(cè)研究,得到支護(hù)體系的不同預(yù)測(cè)模型的組合預(yù)測(cè)值。研究結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差比gm(1,1)預(yù)測(cè)模型小;與bp預(yù)測(cè)模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測(cè)中,為了更準(zhǔn)確地預(yù)測(cè)基坑變形,可以采用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與bp預(yù)測(cè)相結(jié)合的方法進(jìn)行預(yù)測(cè)。

自適應(yīng)gm(1，1)灰色模型在基坑變形預(yù)測(cè)中的應(yīng)用——針對(duì)基坑變形系統(tǒng)的不確定性及灰色性，結(jié)合工程實(shí)例，采用自適應(yīng)gm(1，1)模型對(duì)基坑監(jiān)測(cè)數(shù)據(jù)進(jìn)行了變形預(yù)測(cè)，結(jié)果表明呆用自適應(yīng)模型大大提高了長(zhǎng)時(shí)間段預(yù)測(cè)精度，預(yù)測(cè)結(jié)果完全滿足工程要求，具有較好的實(shí)用價(jià)...