非等时距GM理论反演预测软基路堤沉降

应用灰色理论建模原理,建立了非等时距GM(1,1)法预测路堤沉降模型,通过对无规则的数据序列做等距处理,提出了内插法和样条曲线法变换非等时距序列理论。利用Matlab7.0平台开发了路堤沉降预测系统,然后对数据进行微分拟合,再将沉降曲线进行分析对比得到逼近最优沉降发展趋势,从而对软基路堤沉降进行较精确预测。     

经验公式法在季冻地区软土地基沉降预测中的应用

利用两种经验公式法对哈尔滨绕城高速公路试验段软土地基沉降观测数据进行了计算,对计算结果与工程实际情况进行了对比分析,发现沉降过程、最终沉降量、沉降速率和路堤横断面差异沉降等较为符合工程实际,认为经验公式法在季冻地区软土地基沉降预测的应用有实用意义。     

浅谈高层建筑施工中沉降观测信息化的应用

本文探讨了沉降观测的基本要求,具体施测程序及步骤,并阐述了两个问题:一是在沉降观测过程中,沉降量与时间关系曲线不是单边下行光滑曲线,而是起伏状现象。,二确定建筑体沉降观测精度的合理性。     

建筑物沉降数据分析的灰色预测方法

本文将灰色系统理论的GM(1,1)模型应用于建筑物沉降观测,并结合南宁市民生广场沉降观测实例,进行沉降预测结果的分析和检验,充分证实了在建筑物沉降变形分析中应用灰色预测法的可行性.     

由地铁隧道工程引起地表横向沉降的预测分析

应用Peck法、Logan-Poulous法、随机介质理论等方法对由地铁隧道工程引起的地表横向沉降进行预测,并对上述方法的实质加以研究。用STS沉降预测系统对实测数据进行分析和计算,并通过实测曲线和预测曲线的比对分析,验证上述方法的预测精确性。     

运用地理加权泊松模型估测天然次生林枯损量分布

运用帽儿山实验林场2004年、2016年2期固定样地(共101块)数据,采用全局泊松模型和地理加权泊松模型(GWPR)对天然次生林枯损株数的空间分布进行了研究,利用Arc GIS软件绘制2种模型关于天然次生林枯损株数的空间分布图。结果表明:局域模型(GWPR)的赤池信息准则(AIC)值和均方误差(MSE)值显著小于全局泊松模型,拥有较高的拟合精度;局域模型残差的全局莫兰指数值在0上下浮动,变动程度明显小于全局模型,全局空间自相关性大大下降;局域模型的局域空间自相关性显著减小,形成了不同观测值少量聚类这一理想的空间分布模式;在对枯损株数空间分布的模拟上,局域模型的拟合偏差要小于全局模型。     

关于二项分布的泊松近似计算问题

当n充分大,nP很小时,二项分布近似于参数为λ=nP的泊松分布,计算结果表明,在X区间[0,nP 2σ]内,泊松拟合值才能近似代替二项分布数据。本文利用最小二乘多项式拟合方法求得在不同参数n和P下的泊松近似修正系数,修正后的泊松拟合值与二项分布数据有很好的近似。     

白河林业局红松分布数量预估模型1）

根据长白山地区白河林业局的772块固定标准地调查数据,以及最小二乘法（ OLS）,建立逻辑斯蒂（Logistic）模型来预估该局现时状态有林地的红松分布概率,并采用泊松（Poisson）和负二项分布（Negative binomi-al,NB）模型预估该局现时状态有林地红松的分布数量,并对模型进行了拟合效果评价及独立性检验。结果表明, Logistic模型与数据的拟合效果很好,独立性检验中预测精度也在可接受的范围内,可以利用Logistic模型来预估该局有林地红松的分布概率。与Poisson模型相比,负二项分布模型能够解决因变量的不均匀分布（即过度散布）的问题,因此能够更好地拟合数据。但在独立性检验中,Poisson模型和NB模型的预测精度接近,且都在可接受的范围内,两个模型均可以用来预估该局有林地红松的分布数量。     

过度离散型数据的统计模拟与分析

针对车险索赔次数数据经常出现的过度离散问题，采用数值模拟的方法，分别使用泊松模型(Poisson)、负二项回归模型(NB)以及广义泊松模型(GP)对不同程度的过度离散车险索赔次数数据进行拟合，并用均方误差、偏差以及AIC和BIC准则对Poisson、NB、GP三种模型的优良性进行比较分析，得到了不同条件下三种模型的优良性，并针对不同的条件给出了模型选择的建议.     

宿州学院实训大楼沉降观测方案设计与实现

目的在建筑物的沉降测量过程中,由于受诸多因素影响,使得观测的建筑物沉降数据不够精确,以至于影响最终判断。因此,设计一套合理的观测方案成为当前沉降观测工程的研究热点。方法以宿州学院实训大楼为研究对象,结合现场布设控制网并设计技术路线,依据精密仪器得到沉降观测数据,利用Excel等软件对数据进行分析和处理。结果实验结果表明,宿州学院实训大楼在整个观测周期中各观测点累计沉降量的最大值为17.9mm,累计沉降量的最小值15.6mm,未发生引起建筑物破坏的沉降,相邻点沉降差最大值为1.8mm,未发生明显的不均匀沉降,观测末期第112d沉降速率最大值为0.004mm·d~(-1),结合本工程地质情况综合分析,该建筑物沉降已趋于稳定。结论实验基本完成了预期观测任务,对建筑物的安全稳定性做出了精确的判断。     

神经网络在软基沉降预测中的应用

软土本身具有很多特性,沉降一直是很重要的土工问题,通过沉降预测可为软基工程的设计与施工提供方法上的支持。以人工神经网络理论为基础,利用神经网络具有的自组织、自适应、容错性和较强的学习、联想能力,通过对数据样本的训练学习和测试,反演软土地基力学参数,并结合有限元程序建立模型预测沉降。结果表明,预测数据与实测数据误差小于10%。说明该方法预测精度较高,通过BP网络反演地基参数结合有限元计算预测沉降的方法是合理可行的。     

基于数据挖掘技术的黄土湿陷性评价

为了运用数据挖掘技术进行黄土湿陷性评价,根据实际工程资料建立了黄土物理力学数据库,用主成分分析法对原数据进行压缩,用压缩后的新变量依据人工神经网络理论建立了预测模型,用BP算法进行了模型的校正及预测。工程实例分析表明,预测湿陷系数与试验值所得湿陷系数的湿陷量计算值相比,准确率可达96%以上,说明这种智能化评价方法具有可行性和实用性。     

高层建筑桩基础沉降预测

高层建筑施工过程可近似地看为一个线性加载的过程。在沉降-时间曲线特征的基础上,建立了高层建筑桩基础的龚帕兹沉降-时间预测模型,其中3个参数a、b和c可以简单求解得到。两个个工程实例的应用证明了该模型在桩基沉降预测中的合理性和实用性。     

基于贝叶斯方法的蒙古栎林单木枯死模型

目的贝叶斯统计法在提高模型参数稳定性上有较大的优势,研究贝叶斯方法在单木枯死模型中的应用,改进模型参数的估计方法,为蒙古栎天然林林分生长收获与经营管理提供参考。方法以蒙古栎天然异龄林为对象,基于202块固定样地数据,利用二分类Logistic模型构建基于经典概率统计法、贝叶斯法和分层贝叶斯法的蒙古栎单木枯死模型。随机抽取80%的数据用于建立模型,剩下的20%用于检验模型,利用经典概率统计法（非线性最小二乘法）、有先验信息的贝叶斯统计法和无先验信息的分层贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过计算ROC曲线下的面积AUC（Under Curve）来判断,并利用Pearson-χ2检验来检验模型的拟合优度。结果（1）贝叶斯法与传统极大似然法的估计值相近,且其估计参数的标准差小于传统方法。（2）贝叶斯法估计参数的可信区间最小,比传统极大似然法的置信区间小6.0% ~ 31.8%。层次贝叶斯法估计参数的可信区间最大,比传统极大似然法的置信区间大11.2% ~ 185.0%。（3）拟合效果最好的是层次贝叶斯法,其模型AUC值为0.83,贝叶斯法与传统极大似然法模型的AUC值均为0.73。结论层次贝叶斯法在拟合枯死模型方面具有明显的优势,拟合效果最好,模型预估精度最高。      

压缩机实际能头特性的深度学习网络预测方法

压缩机运行特性与原厂测试特性存在差异,为了指导压缩机的安全稳定运行,结合压缩机特性计算方法与部分实际特性,建立了基于深度学习网络的压缩机实际能头特性预测模型。将大量不同工况下的压缩机实际能头数据作为深度学习网络的训练样本,在训练完成后利用未训练样本对模型精度进行了检验,得到最大相对误差为2.60%、最小相对误差为0.32%、平均相对误差为0.78%。由深度学习网络所绘制的能头曲线与实际的能头曲线有着良好的一致性。深度学习网络模型改进了传统神经网络的缺陷,具有良好的预测精度与泛化计算能力,为压缩机性能的评估与预测提供了新方法。     

落叶松人工林直径分布动态预估模型1）

基于小兴安岭地区和长白山地区102块落叶松人工纯林固定标准地复测数据（10 a间隔期）,采用参数预测模型（PPM）系统,建立了前期Weibull分布参数（b1）与前期林分调查因子模型、前期参数c1与b1之间的回归模型、两期参数b2与b1的回归模型、以及两期参数c2与b2之间的回归模型,并采用似乎不相关回归（ SUR）理论,估计了模型的参数;利用“刀切法”选择平均相对误差（ ME ）、平均相对误差绝对值（ MAE ）、预测精度（ P）、相对误差（ B）、误差指数（ IE ）等指标,分别对所建立的参数动态预测方程及直径分布动态预测结果进行了检验。结果表明：所有模型的R2a较好（0．428～0．897）,RMSE均较小（0．37～0．94）,所建立的直径分布动态预测模型具有较好的拟合效果。通过检验,所建立的参数动态模型预估能力较好（－10％＜ME＜－2％,P＞95％）,并能较好地预测落叶松人工林未来直径分布（B0＝4．38％,B1＝12．38％,IE＝524）。     

灰色理论预测方法在地理学中的应用研究

介绍了灰色预测理论,针对地理学问题引入马尔可夫链修正GM（1,1）预测模型,并依据气象数据的特性对该模型进行改进,形成适应于气象数据预测的改进的等维无偏递补GM（1,1）马尔可夫预测模型。最后,以哈尔滨市气温和风力数据进行了模型预测验证。结果表明：利用改进的模型进行气象预测,效果令人满意。