一、灰色GM(1,1)模型在高速公路沉降观测中的应用（论文文献综述）
郑晔[1]（2021）在《基于组合模型的建筑物沉降监测研究 ——以合肥市十张小学为例》文中研究表明随着国家十三五规划向十四五规划的推进,城市的发展速度愈加猛进。由于种种原因带来的建构筑物沉降导致的事故时常发生在我们身边,不仅造成人们生活不便,也对人们的生命安全埋下隐患,快速化发展下的建筑物沉降监测研究已显得尤为重要。使用先进的测绘仪器,按照标准规范定期对建筑物进行沉降监测,利用一定的数学处理方法对获取的数据进行科学处理,找到能科学反映建筑物沉降规律的数学模型,正确预测建筑物沉降量。本文以合肥市十张小学为例,利用Matlab编程语言,设计GUI程序界面,结合实际的工程数据,分别采取灰色理论模型、时间序列模型以及人工神经网络模型进行沉降预测,通过分析比较实测值与预测值之间的残差及均方根差,判别此三种模型在本工程实例中的优劣。分析三种单一模型在本工程中的利弊,提出组合模型的思想。最后利用灰色-时间序列模型和灰色-人工神经网络模型两种组合模型进行预测,找到最适合本工程的建筑物沉降监测预计模型。对比结果表明,在灰色时间序列组合模型中,不论是哪种方法对后期数据的预测,随着时间的延长误差会变大,且不稳定,这是因为随着时间的推移,参数是固定不变的,从而它很难满足后面的预测。然而,在灰色-人工神经网络组合模型中,随着时间的延长误差变小,且相对比较稳定。另外,预测值也很接近于实测值,且比单一预测模型中效果最理想的人工神经网络模型有所改善。探讨不同组合模型建模方案在对历史数据的拟合及未知数据的预测上的不同特点,总结了各种组合模型的一般规律及其适用性,提出较好的预测模型。同时,基于单一模型的缺点进行改进,结合最优的组合模型,获得更加准确地预计结果。为地表沉降的安全性诊断提供必要的信息,以便及时发现问题并采取措施。图[19]表[16]参[60]
刘恒[2]（2020）在《含黏粒砂土填方路基渗透特性及沉降预测研究》文中提出含黏粒砂土由于强度较高,常常用作高速公路的路基填方材料。其中黏粒的含量多少对其渗透性和强度均存在较大影响,从而也直接决定填方质量的好坏。依托麻阳高速项目含黏粒砂土填方段工程,通过对不同红黏土掺量下的砂土进行击实试验和渗透试验,从不同黏粒含量和不同压实度等方面研究含黏粒砂土的渗透和击实性能。在此基础上对该工程填方路基进行了跟踪沉降观测和沉降预测等方面的研究。主要进行了如下工作:首先,针对砂土地基在雨后易发生冲刷引起的沉降破坏,在砂土中掺加一定量红黏土对砂土路基进行改良。对改良后的含黏粒砂土渗透试验,得到不同黏粒含量下砂土的渗透系数,发现其渗透系数随黏粒含量的增加而不断减小。其次,通过击实试验,研究不同压实度对含黏粒砂土路基的影响。对不同压实度的土样进行了渗透试验,结果认为:相同黏粒含量砂土随着压实度的增加,其渗透系数在不断减小,相同压实度的含黏粒砂土其渗透系数随黏粒含量的增加也不断减小。然后,分别选取堆载预压处理的K147+510处、砂垫层处理的K149+650处以及水泥搅拌桩处理的K151+120处等三个典型断面,进行长达288天跟踪沉降观测。得到沉降观测结果:K147+510断面的最终沉降量为416mm,K149+650断面的最终沉降量为445mm,K151+120断面的最终沉降量为494mm。三个典型断面的沉降变化规律为:随着沉降时间的增长,路基上部荷载持续增加,土体固结速率加快,沉降变化速率逐渐增大;当填筑到设计高度时,上部荷载不再继续增加,土体固结开始趋于稳定,沉降速率逐渐减小,达到最终沉降量。最后,建立了等时距灰色GM（1,1）模型,利用MATLAB编程对K150+480断面进行沉降预测。将等时距灰色GM（1,1）模型预测结果与双曲线法和三点法的沉降预测结果进行对比分析,发现采用的实测沉降数据序列组数越多、时间间隔越大,模型的预测结果精度就越可靠。等时距灰色GM（1,1）模型较其他预测方法更适合麻阳高速项目含黏粒砂土填方路段的沉降预测。
田梦娜[3]（2020）在《小波去噪的回归-BP组合模型在深基坑变形监测中的应用研究》文中提出随着城市化进程的加快,其发展规模也在不断的扩大,大型基础设施也越来越多,然而,由于受到自然因素和人为活动共同的外力作用,深基坑工程的安全问题成为制约社会经济发展的一个重要因素。在工程建设中,变形监测贯穿于整个工程的施工和运营管理阶段,是不可忽视的重要问题。目前,用于进行变形预测的方法大致可以分为基于实测的数据分析法与基于理论的计算法。由于科学的进步和对数据预测的需要,基于实测数据的分析出现了不少的预测模型,在实际工程应用中,通过分析各自模型的优势,如果能将不同预测模型的优点结合起来,建立较好的组合模型,便能在一定程度上提高变形预测的精度,进一步保障深基坑工程的安全性。本文以泰安市某小区为实例,通过对变形监测网的建立、观测方法、监测精度等论述分析,在小波去噪的基础上研究并建立回归分析模型、BP神经网络模型及回归-BP组合模型,对原始沉降数据进行了分析预测,具体研究内容如下:（1）根据实际观测数据,利用MATLAB程序对监测点建立回归分析模型和BP神经网络模型并进行预测,根据不同模型的预测结果,分析比较各自模型的优缺点。（2）借助MATLAB程序和EXCEL工具,通过对不同阈值函数、不同SCAL、不同分解层数以及不同小波基函数的比较,以信噪比和均方根误差作为精度评定准则,完成了对实例数据的去噪处理。（3）分别利用建立的回归分析、BP神经网络、回归-BP组合模型,对小波去噪后得到的数据进行预测,并对其预测结果进行对比分析。（4）通过精度评定标准SSE、MSE、MAPE和RMSE的对比结果发现,小波去噪后的单一模型预测结果优于相对应的小波去噪前的单一模型;小波去噪后的组合模型预测结果优于小波去噪前的组合模型;同时去噪后的组合模型预测精度高于去噪后的单一模型,最终得出小波去噪的回归-BP组合模型对深基坑变形进行预测分析更高效、更精确。
张成然[4]（2020）在《嵌入式监测系统与路基沉降预测模型研究》文中提出路基沉降对于公路的安全运营与维护有着至关重要的作用,因此需要一套自动化监测设备进行路基沉降观测。文中采用Cortex-M3内核的STM32F103系列芯片作为控制核心,围绕其最小系统设计沉降监测所需外围电路。其中,下位机部分包括电源电路、SPI Flash电路、SD卡电路、液晶显示电路、RS485电路、DTU、以太网口电路等。传感器重点阐述LVDT原理以及在其基础上设计相应驱动电路与AD采集电路。为实现系统的实时响应,将开源的Free RTOS操作系统移植到本系统,实现了进程的并发执行。软件设计部分详细阐述了路基沉降监测系统各个模块功能实现的软件执行流程,并对其进行了相应的测试。为简化沉降传感器位移计算方式,将AD598驱动电路输出电压值与位移值进行标定,通过拟合分析发现二者线性度较高,故可以将一次函数方程式作为位移计算的依据。同时传感器采用卡尔曼滤波算法对电压采样值进行数字滤波处理以减小噪声干扰。下位机本质为数据转发站,采用DTU无线通信方式向上位机远程传输沉降数据,与传感器采用RS485作为主要的通信方式。由于下位机要进行数据转发与传感器故障识别,故设计了二者的简单通信协议,数据传输实验表明,传感器与下位机协议识别准确,数据透明传输。通过将监测系统实地安装调试,采集到为其336天的非等时距沉降数据,由于曲线越平滑则算法模型拟合出的沉降预测结果将更加准确。故采用LM算法优化的BP神经网络作为等时距数据构建的方式对原始数据进行处理。在上述基础上采用Adaboost算法进行路基沉降预测建模,其弱预测器分别为GM（1,1）模型、Logistics模型与Compertz模型。以MRE和MSE作为评价指标,计算结果表明基于Adaboost算法的预测模型拟合结果均优于以上任意一种弱预测器模型。
刘鹏鹏[5]（2020）在《基于灰色组合模型的高速铁路路基沉降预测及应用研究》文中进行了进一步梳理随着我国高速铁路的建设速度越来越快,铁路运营安全成为了国民人身及财产安全的重要出行保障,为了让高铁具有安全、平稳的运行环境,需要严格地控制其线下工程的形变,特别是在最容易发生沉降变形的路基段。单一预测方法虽然其在建筑物、大坝、边坡和基坑等工程上的预测效果和预测能力较好,但对于沉降量控制在15mm的高速铁路路基就显得捉襟见肘。因此,本文通过对高铁路基的沉降机理以及相关预测模型的预测机理进行研究,对单一预测模型进行初始值、残差以及背景值等方面的优化来提高其预测精度,提出利用小波优化的灰色GM-BP神经网络模型,依托兰新高铁和中兰高铁的沉降监测项目,对模型的预测数据进行了深入分析和研究,得到了较理想的结果。考虑到在模型的精度评价方面通常只通过相对误差和后验差的评价方式,过于单一,无法全面评价模型的预测效果,本文使用贴近度、误差平方和、标准差及平均绝对误差和平均绝对百分比误差等多种评价方式取权值共同评价,大大提高了模型评价的准确性。本文主要工作有:（1）通过对高速铁路路基结构的研究,确定在高速铁路路基方面可能会发生的路基沉降病害,分析研究了影响高速铁路路基沉降的各类因素及针对各类情况提出相应的观测方案和技术依据。（2）利用灰色系统对路基沉降数据进行预测,通过灰色GM（1,1）和灰色Verhulst预测模型的对比试验,确定采用灰色GM（1,1）模型作为灰色组合模型的灰色模型,对初始值、残差和非等间隔序列等进行改进,预测结果精度得到一定的提高。（3）利用MATLAB小波工具箱对小波函数和阈值进行选择,运用小波软阈值方法对路基沉降数据进行去噪,期望对未来得到的预测结果更加准确。利用遗传原理对BP神经网络算法进行部分改进,进一步提高的BP神经网络学习效率低、收敛速度慢等问题,并应用于变形预测方面,取得了初步的成绩。（4）对组合方式进行研究,最终确定采用GM-BP串联方式进行路基沉降组合预测,建立小波优化的灰色GM-BP神经网络预测模型,依托工程实例,借助MATLAB软件对路基沉降数据进行预测,分别得到灰色GM（1,1）、BP神经网络、小波优化的GM（1,1）及小波优化的灰色GM-BP神经网络四种模型的预测值,将其均与实测值进行对比,结果表明,小波优化的灰色GM-BP神经网络预测模型的预测效果优于其他单一预测模型,在高速铁路的路基沉降预测方面更可靠、精度更高、适用性更强。
丁鹏文[6]（2019）在《基于小波去噪的组合模型在建筑物变形监测中的应用》文中研究指明随着我国经济的飞速发展和城市化进程的加快,越来越多的高层建筑物拔地而起,由于受到人为和自然等多种因素的外力影响,建筑物在施工中和运营过程中发生不同程度的变形在所难免,如果形变超过一定范围,便会对周边人群和建筑物造成不可估量的危害。建筑物沉降观测主要是对建筑物进行有规律的周期性观测,通过对建筑物沉降观测数据的处理和分析能够及时的掌握建筑物形变情况,从而为建筑物的安全提供了有效保障。近年来,随着科学的进步和对数据预测的需要,出现了不少的预测模型,如时间序列模型、神经网络模型、灰色模型、小波分析等,不同的预测模型有着其本身的优缺点,在实际应用中,如果能将不同预测模型的优点结合起来,建立较好的组合模型,便能在一定程度上提高建筑物变形预测的精度。小波去噪在处理数据时能够剔除和插补原始数据中的异常值,使得原始数据序列更加平滑。灰色模型和BP神经网络模型都是常用的沉降预测模型,灰色模型的优势在于处理信号不完全、样本数据较少时有很好的预测效果,但数据预测呈指数变化形式,常与后期逐渐趋于平稳的沉降观测数据的变化趋势不符,而采用对原始数据的恒正凹化处理和相邻均值法能较好的弥补这一缺点,提高模型精度。而BP神经网络模型,具有较好的计算能力、误差校正能力。因此结合三者的优点,通过适当的结合方式建立基于小波去噪的灰色BP神经网络模型,可以较好的提高模型的预测精度。本文结合工程实例,研究如下:（1）利用MATLAB程序对101监测点和205监测点建立传统GM（1,1）模型和优化GM（1,1）模型,通过精度评定标准的对比,得出优化GM（1,1）模型精度更高。通过MATLAB程序对两监测点构建BP神经网络模型并进行预测。通过最优加权组合方法将优化GM（1,1）模型和BP神经网络模型进行组合,同样利用MATLAB程序实现模型构建,通过精度评定标准的对比,得出组合模型的预测精度高于单一模型。（2）对建筑物沉降观测原始数据进行小波去噪,通过对小波去噪不同参数的对比分析,从而进行最优的去噪参数设置。在去噪后数据的基础上,利用MATLAB程序再次实现对单一模型和组合模型的构建,通过精度评定标准MSE、SSE和MAPE的比较发现,小波去噪后的单一模型精度高于相对应的小波去噪前的单一模型,小波去噪后的组合模型精度高于小波去噪前的组合模型,最终得出基于小波去噪的优化灰色BP神经网络组合模型能更好的对建筑物变形进行预测的结论。
陈洋[7]（2018）在《灰色理论的总体最小二乘估计及路基沉降预测应用》文中进行了进一步梳理随着我国经济、社会以及科学技术的迅猛发展,国家对交通运输事业的发展提出了更高的要求。路基沉降观测是交通工程变形观测中重要组成部分,随着当前无砟轨道技术的推广,国家对路基轨道沉降预测精度要求越来越高。受观测条件、工程现状以及工程突发因素等影响,路基沉降变形观测数据通常为小样本、非等间距的时间序列。灰色理论因其可以揭示少数据、少信息背景下事物的演化规律,对路基小样本数据处理具有独特的优势。路基沉降变形遵循前期下沉速率快,之后逐渐减慢,最后趋于稳定的变化规律,而灰色系统白化微分方程线形变化服从此沉降变化规律,因此,灰色系统理论广泛应用于路基沉降变形预测和控制。灰色理论白化微分方程是在最小二乘（LS:Least Squares）估计条件下对经典的Gauss-Markov模型AxL（28）进行未知参数求解,但当观测数据L包含误差时,由观测数据一次累加而形成的系数矩阵A同样包含误差,如果再使用LS求解,求解的未知参数有偏。总体最小二乘算法（Total Least Squares,TLS）同时兼顾观测矩阵和系数矩阵随机误差,考虑误差全面,TLS解被证明具有渐进无偏性,广泛运用于实际生产。本文主要对灰色理论的LS解算方法、TLS解算方法及其扩展算法进行研究,并将相关的研究成果应用到路基沉降预测中。通过路基常用预测模型的精度对比,系统的分析了各算法之间的优劣,主要内容如下:1)介绍了GM（1,1）和灰色Verhulst模型最小二乘求解方法,依据观测数据可能包含粗差的情况,将灰色理论同抗差理论结合而形成灰色稳健估计,并对多点灰色模型的最小二乘估计和总体最小二乘估计方法进行推导。2)详细推导了灰色GM（1,1）的总体最小二乘解法,主要包括奇异值分解法SVD（SingularValue Decomposition）和拉格朗日逼近解法。针对灰色白化微分方程系数矩阵中包含常数列以及观测权值可能不相等的情况,提出了GM（1,1）模型的混合总体最小二乘解法。针对方程求解可能存在病态问题,本文对病态GM（1,1）白化微分方程解法进行了研究。3)对灰色理论和总体最小二乘理论进行相应扩展,将灰色理论同抗差理论进行组合,并采用总体最小二乘估计方法,提出了一种灰色稳健总体最小二乘预测方法。鉴于高铁路基在沉降中具有饱和发展趋势,提出了灰色Verhulst模型的总体最小二乘估计。鉴于总体最小二乘会成倍增加模型参数的个数,提出了一种顾及灰色Verhulst模型系数矩阵特殊结构的总体最小二乘解法,并对其计算效率和预测精度进行研究。4)针对路基沉降监测实测观测数据常为小样本、非等间距的情况,提出了一种顾及沉降变化规律的GM（1,1）移动最小二乘估计（MLS）非等间距等距化处理方法。并将灰色稳健总体最小二乘估计和顾及系数矩阵结构的灰色Verhualst模型总体最小二乘估计运用到路基沉降预测中,通过高铁路基沉降变形实例分析,对比验证了本文算法在路基沉降预测中的有效性和可行性。
张艳[8]（2017）在《岳常高速公路软土路基变形监测及预警研究》文中研究表明高速公路软土地基的处治是工程难点,研究其沉降变化的成果也较多,但由于软土的类型、厚度、含水率等差异性较大,现有的许多研究成果仅适用于特定的实体工程,成果通用性的指导意义不强。岳常高速公路具有大量的软土路基路段,针对该段,本文开展了基本土工参数的分析、典型断面的沉降观测及数据分析、沉降预测模型分析及改进新模型的计算分析和精度检验工作,得到了以下结论:（1）进行研究的岳常高速公路部分路段的软土地基中,其硬壳层厚度及软土厚度差异性较大,因此需要针对性地加密选取监测点进行监测分析。（2）软土地基的稳定与否,与其竖向的沉降大小和沉降速率的快慢有很大的关系,与水平位移量及速率也有关系,甚至会存在有向某一侧滑坍的危险。通过建立监测点位沉降与水平位移相联系空间位移关系,提出了“加速度”的概念,可更好地分析、判断软土路基的稳定性。（3）以现有灰色GM（1,1）模型为基础,提出了改进的灰色模型,并采用该模型对岳常高速公路各典型断面进行了沉降预测。经验证,改进后的模型的计算步骤更少、其表达式曲线变化趋势更符合沉降变形的曲线发展规律;从实际工程应用可见,改进后的GM（1,1）模型对数据兼容能力更强,拟合精度和模拟精度得以较大的提高,简化了计算过程,可作为软土地基的沉降预测模型。（4）采用优化模型,对选取多个的典型监测断面进行预测,结合实测数据和预测进行了分析及变形预警。在本研究中,设定路基施工中沉降速度2mm/d为预警值,当超过该阈值时应及时启动应急预案,为施工质量安全提供数据支持。
刘斌[9]（2015）在《海相软土地基沉降模式的研究分析》文中认为随着我国国民经济的快速发展,对高速公路建设质量要求也越来越高,而在公路建设中,对软土路基工后沉降控制成为质量控制的一项重要指标。如何设计地基处理方案、合理的规划施工进度成为软土路基迫切解决的重大课题,进行区域性软土路基沉降观测并通过对观测数据的分析对设计年限内的沉降进行预测,成为解决这一课题的必然途径。本文通过对天津滨海新区某在建道路穿越坑塘段为依托,通过对海相软土路基K13+840K14+000段现场实际观测资料和相关地质资料进行分析,得到荷载—沉降—时间关系曲线。同时,建立灰色理论系统模型对沉降观测数据进行最终沉降量的预测分析,采用三次样条B.Spnlie插值函数对原始数据进行等时距处理。并应用大型有限元ANSYS软件对软土路基进行数值模拟。对数值模拟的结果与实测数据、灰色理论预测数据进行对比分析,通过分析整理以期能够建立天津地区坑塘回填沉降模式,对以后坑塘回填起到一定指导作用。本文主要研究内容及结论有如下几点:（1）通过对现场实测数据的分析,可实现对路堤填土速率控制、地基固结情况的预测和确定构筑物的施工工期。（2）通过对现场实测沉降数据绘制累积沉降量曲线与用ANSYS有限元软件模拟路基沉降观测点的竖向位移随时间的变化曲线相比较可知:有限元模拟分析出的软基累积沉降曲线与现场实际观测数据绘制的累积沉降曲线其沉降变化趋势都随着时间的增长逐渐收敛于某一稳定值。说明采用该模型对该段路基的沉降情况进行模拟是切实可行的。有限元模拟分析结果偏小于实测数据,造成这一结果的主要原因是,在软土路基模拟过程中没有考虑渗流因素的影响,且在堆载过程中,没有考虑地下水位的变化和对孔隙水压力的影响。（3）通过对路基沉降观测值和GM（1,1）模型的预测值进行对比分析可知,GM（1,1）模型沉降预测序列在路基施工开始阶段产生误差相对较大,当观测的实际沉降观测数列越来越多时,其相对误差有减小的趋势,在观测过程中受施工条件、环境条件的变化、观测人员主管条件等因素影响,局部也有波动情况。在实际沉降观测中的观测数据越多,GM（1,1）模型预测精度就越高。（4）海相软土路基沉降变形总的规律是:在路堤加载施工期间,沉降发展明显加快,停止加载一定时间后,沉降速率的波动随之变缓,沉降曲线趋于平缓。在路堤土预压期间,沉降速率趋向收敛某一较小值。
朱凌[10]（2014）在《京沪高速铁路CFG桩复合地基路基沉降预测分析》文中认为随着高速铁路的快速发展,行驶速度的提升加大了对高速铁路路基稳定性的要求。然而高速铁路路基的沉降是评价稳定性的重要指标,特别是对工后沉降的控制十分严格。本文针对京沪高速铁路CFG桩复合地基路基沉降问题展开研究,分析软上地基变形的机理及铁路路基工后沉降的概念及组成;重点从沉降预测入手,利用前期工程实测数据预测后期沉降发展规律；针对高速铁路路基沉降量级小,波动大的特点,对传统双曲线法、指数曲线法进行改进,结合三点法求解两种曲线模型。本文依托京沪高速铁路DK511+787～DK513+050区段线下工程沉降变形观测数据为工程背景,由DK512+625断面沉降预测的结果表明：改进双曲线法三点时间间隔选取较大时,能提高沉降预测的精度；改进指数曲线法初始时间点选取在路基填筑完成之后,选取较大的时间间隔▽t,有利于提高沉降预测的精度；GM（1,1）灰色预测法的原始数据序列首先选择在路基填筑完成之后,原始数据序列选取较大的时间间隔时（建议时间间隔大于28d）,原始序列项数只需5项既可获得较好的预测结果；将以上所得结论应用于该区段内的其他断面中,结果表明三种预测方法在该区段内具有较好的适用性；同时得出由GM（1,1）灰色预测法所得的最终沉降介于改进双曲线法和指数曲线法之间,并且GM（1,1）灰色预测法在该区段内的预测精度高于改进双曲线和指数曲线法,为今后类似工程的沉降预测提供一定的参考价值。
二、灰色GM(1,1)模型在高速公路沉降观测中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、灰色GM(1,1)模型在高速公路沉降观测中的应用（论文提纲范文）
（1）基于组合模型的建筑物沉降监测研究 ——以合肥市十张小学为例（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 沉降预测模型及其研究现状 |
| 1.3 存在的问题 |
| 1.4 研究主要内容及结构 |
| 1.4.1 研究内容 |
| 1.4.2 拟采取的技术措施和办法 |
| 1.4.3 文章结构 |
| 2 单一预测模型及程序实现 |
| 2.1 灰色理论模型 |
| 2.1.1 GM (1,1)等间隔序列预测模型 |
| 2.1.2 GM (1,1)非等间隔序列预测模型 |
| 2.1.3 灰色理论程序实现 |
| 2.2 时间序列模型 |
| 2.2.1 时间序列基本理论 |
| 2.2.2 时间序列程序实现 |
| 2.3 人工神经网络模型 |
| 2.3.1 人工神经网络基本理论 |
| 2.3.2 人工神经网络程序实现 |
| 2.4 本章小结 |
| 3 单一预测模型在工程中的应用 |
| 3.1 工程概况 |
| 3.2 实例分析 |
| 3.2.1 灰色理论 |
| 3.2.2 时间序列 |
| 3.2.3 人工神经网络 |
| 3.2.4 对比分析 |
| 3.3 预测 |
| 3.4 本章小结 |
| 4 组合模型原理及在工程中的应用 |
| 4.1 灰色时间序列组合模型 |
| 4.1.1 灰色时间序列基本理论 |
| 4.1.2 灰色时间序列程序实现 |
| 4.1.3 实例分析 |
| 4.2 灰色人工神经网络组合模型 |
| 4.2.1 灰色人工神经网络基本理论 |
| 4.2.2 灰色人工神经网络程序实现 |
| 4.2.3 实例分析 |
| 4.3 对比分析 |
| 4.4 预测 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）含黏粒砂土填方路基渗透特性及沉降预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 含黏粒砂土渗透特性研究现状 |
| 1.2.2 沉降预测方法研究现状 |
| 1.3 主要研究内容 |
| 第2章 含黏粒砂土击实及渗透试验 |
| 2.1 砂土基本性质 |
| 2.2 渗流理论研究 |
| 2.2.1 达西渗流定律 |
| 2.2.2 非达西渗流定律 |
| 2.3 含黏粒砂土击实试验和渗透特性试验 |
| 2.3.1 试验材料 |
| 2.3.2 试验设备 |
| 2.3.3 试验方案 |
| 2.4 试验结果分析 |
| 2.4.1 不同黏粒含量的影响 |
| 2.4.2 不同压实度的影响 |
| 2.4.3 矿物成分的影响 |
| 2.5 本章小结 |
| 第3章 含黏粒砂土填方路基沉降观测 |
| 3.1 工程背景 |
| 3.1.1 工程地质 |
| 3.1.2 地形地貌 |
| 3.1.3 水文条件 |
| 3.2 软基处理技术 |
| 3.2.1 堆载预压施工方法 |
| 3.2.2 砂垫层施工方法 |
| 3.2.3 水泥搅拌桩法施工方法 |
| 3.3 现场沉降观测 |
| 3.3.1 观测断面及观测点的设置 |
| 3.3.2 沉降观测设备 |
| 3.3.3 观测网络设置 |
| 3.3.4 沉降观测频率 |
| 3.4 沉降观测结果 |
| 3.5 本章小结 |
| 第4章 路基沉降预测 |
| 4.1 GM(1,1)灰色模型 |
| 4.1.1 模型建立 |
| 4.1.2 精度检验 |
| 4.2 GM(1,1)灰色模型预测 |
| 4.2.1 沉降观测数据分析 |
| 4.2.2 选择前10、15、20组数据进行预测 |
| 4.2.3 计算时间参数 |
| 4.2.4 灰色模型预测结果 |
| 4.3 三种预测方法结果对比 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究结论 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
（3）小波去噪的回归-BP组合模型在深基坑变形监测中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 基坑变形监测的国内外研究现状 |
| 1.3 研究的主要内容与文章结构 |
| 1.4 本文研究的技术路线 |
| 2 小波分析与小波去噪 |
| 2.1 小波分析基础理论 |
| 2.2 小波去噪基本理论 |
| 2.3 小波阈值去噪方法研究 |
| 3 回归分析模型及其在变形监测中的应用 |
| 3.1 回归分析基本原理 |
| 3.2 逐步回归分析法 |
| 3.3 回归分析方法变形预测模型的建立过程 |
| 4 BP神经网络及其在变形监测中的应用 |
| 4.1 人工神经网络理论 |
| 4.2 BP神经网络的预测 |
| 4.3 组合模型的基础理论 |
| 4.4 回归-BP组合模型的定权 |
| 5 工程变形监测研究与实例分析 |
| 5.1 项目实例和基坑设计方案 |
| 5.2 基坑监测数据整理及分析 |
| 5.3 小波阈值去噪在基坑变形监测中的应用 |
| 5.4 小波去噪前后回归分析模型的比较 |
| 5.5 小波去噪前后BP神经网络模型的比较 |
| 5.6 单一模型和回归-BP组合模型的比较 |
| 5.7 小波去噪前后回归-BP组合模型的比较 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（4）嵌入式监测系统与路基沉降预测模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 路基沉降监测领域研究现状 |
| 1.2.2 沉降监测传感器研究现状 |
| 1.2.3 路基沉降预测算法研究现状 |
| 1.3 路基沉降监测系统需求分析 |
| 1.4 本文研究内容 |
| 1.4.1 基于STM32的路基沉降监测系统 |
| 1.4.2 基于Adaboost算法路基沉降预测模型 |
| 1.5 本文章节介绍 |
| 第二章 路基沉降监测系统硬件设计 |
| 2.1 监测系统总体设计 |
| 2.2 STM32及其最小系统 |
| 2.3 电源电路 |
| 2.4 SPIFLASH电路 |
| 2.5 RS485电路 |
| 2.6 SD卡电路 |
| 2.7 以太网接口电路 |
| 2.8 DTU通信模块 |
| 2.9 TFTLCD显示模块 |
| 2.10 下位机PCB设计 |
| 2.11 沉降传感器 |
| 2.11.1 LVDT |
| 2.11.2 AD采集电路 |
| 2.11.3 AD598驱动电路 |
| 2.12 本章小结 |
| 第三章 路基沉降监测系统软件设计 |
| 3.1 软件总体设计 |
| 3.2 下位机软件设计 |
| 3.2.1 FreeRTOS操作系统 |
| 3.2.2 DMA数据传输 |
| 3.2.3 以太网数据传输 |
| 3.2.4 看门狗 |
| 3.2.5 DTU数据传输 |
| 3.2.6 SD卡数据读写 |
| 3.2.7 数据传输协议 |
| 3.3 传感器软件设计 |
| 3.3.1 传感器软件总体设计 |
| 3.3.2 卡尔曼滤波算法 |
| 3.3.3 传感器位移值计算 |
| 3.4 本章小结 |
| 第四章 基于ADABOOST算法的路基沉降组合预测模型 |
| 4.1 工程概况 |
| 4.2 等时距沉降数据构建 |
| 4.2.1 LM算法优化的BP神经网络 |
| 4.2.2 拟合度对比分析 |
| 4.3 基于ADABOOST算法的路基沉降组合预测模型 |
| 4.3.1 Adaboost算法 |
| 4.3.2 Adaboost弱学习算法 |
| 4.3.3 基于Adaboost算法的模型构建 |
| 4.4 实验分析 |
| 4.4.1 弱预测器算法进行预测 |
| 4.4.2 基于Adaboost算法的模型构建 |
| 4.4.3 预测精度对比分析 |
| 4.5 本章小结 |
| 第五章 结论 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（5）基于灰色组合模型的高速铁路路基沉降预测及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 高速铁路路基沉降机理及观测 |
| 2.1 高速铁路路基 |
| 2.1.1 路基结构 |
| 2.1.2 沉降类型 |
| 2.2 观测方案 |
| 2.2.1 影响因素 |
| 2.2.2 观测方案编制及原则 |
| 2.2.3 观测技术标准 |
| 2.3 本章小结 |
| 3 高速铁路路基沉降预测模型 |
| 3.1 灰色系统 |
| 3.1.1 灰色GM(1,1) |
| 3.1.2 灰色Verhulst |
| 3.1.3 模型精度评定 |
| 3.2 小波理论 |
| 3.2.1 小波变换 |
| 3.2.2 小波去噪 |
| 3.2.3 小波去噪效果评价 |
| 3.3 神经网络模型 |
| 3.3.1 人工神经网络 |
| 3.3.2 人工神经网络变换机理 |
| 3.4 其他预测模型 |
| 3.5 单一预测模型预测效果分析 |
| 3.6 本章小结 |
| 4 模型改进及组合方式 |
| 4.1 预测模型改进 |
| 4.1.1 GM(1,1)模型初始值优化 |
| 4.1.2 GM(1,1)模型残差优化 |
| 4.1.3 非等间隔序列的处理 |
| 4.1.4 灰色Verhulst时间响应式的优化 |
| 4.1.5 灰色Verhulst模型背景值优化 |
| 4.2 组合方式 |
| 4.2.1 小波去噪后的灰色模型 |
| 4.2.2 基于BP神经网络的灰色模型 |
| 4.2.3 实例验证 |
| 4.3 高速铁路路基沉降预测组合模型 |
| 4.3.1 高速铁路路基沉降预测组合模型概述 |
| 4.3.2 高速铁路路基沉降预测组合模型 |
| 4.3.3 模型精度评价方式 |
| 4.4 本章小结 |
| 5 灰色组合模型在工程实践中的运用 |
| 5.1 工程背景 |
| 5.2 高速铁路路基沉降变形监测 |
| 5.2.1 GM(1,1)预测模型 |
| 5.2.2 小波优化的GM(1,1)模型 |
| 5.2.3 BP神经网络 |
| 5.2.4 小波优化的灰色GM-BP神经网络模型 |
| 5.3 数据分析 |
| 5.3.1 预测数据处理与分析 |
| 5.3.2 沉降预测曲线分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 攻读学位期间的研究成果 |
| 参考文献 |
（6）基于小波去噪的组合模型在建筑物变形监测中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 沉降预测模型及其研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文研究的技术流程 |
| 2 小波理论 |
| 2.1 小波基本理论 |
| 2.2 常用的小波函数 |
| 2.3 小波去噪 |
| 3 灰色模型和BP神经网络模型 |
| 3.1 灰色系统理论和灰色模型 |
| 3.2 灰色GM(1,1)模型的优化 |
| 3.3 人工神经网络理论 |
| 3.4 BP神经网络 |
| 3.5 模型的精度评价 |
| 4 组合模型理论基础 |
| 4.1 组合模型的思想 |
| 4.2 组合模型的分类 |
| 4.3 权系数确定方法 |
| 4.4 最优加权组合模型的实现 |
| 5 工程实例 |
| 5.1 工程概况 |
| 5.2 沉降观测方案 |
| 5.3 监测数据小波去噪 |
| 5.4 灰色GM(1,1)模型比较 |
| 5.5 小波去噪前后BP神经网络模型的比较 |
| 5.6 组合模型和单一模型的比较 |
| 5.7 小波去噪前后组合模型比较 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）灰色理论的总体最小二乘估计及路基沉降预测应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 灰色理论的研究与进展 |
| 1.3 总体最小二乘算法研究现状 |
| 1.4 论文的主要工作及研究内容 |
| 第2章 灰色理论应用研究 |
| 2.1 基本概念 |
| 2.2 GM(1,1)求解方法 |
| 2.3 灰色Verhulst模型求解 |
| 2.4 多点GM(1,1)平差模型 |
| 2.5 路基沉降灰色稳健估计方法 |
| 2.5.1 GM(1,1)-IGGIII模型 |
| 2.5.2 模型实际检验 |
| 2.6 GM(1,1)常用优化方法 |
| 2.6.1 初值的优化 |
| 2.6.2 背景值优化 |
| 2.7 灰色系统检验相关理论 |
| 2.7.1 级比检验 |
| 2.7.2 后验比检验 |
| 2.8 本章小结 |
| 第3章 灰色总体最小二乘平差理论 |
| 3.1 GM(1,1)总体最小二乘估计 |
| 3.1.1 奇异值分解法 |
| 3.1.2 Euler-Lagrange逼近法 |
| 3.2 GM(1,1)混合总体最小二乘估计解法 |
| 3.3 病态条件下GM(1,1)总体最小二乘估计解法 |
| 3.3.1 病态情况说明 |
| 3.3.2 岭估计方法 |
| 3.4 本章小结 |
| 第4章 路基沉降评定和等距化处理 |
| 4.1 路基沉降精度评定方法 |
| 4.2 非等间距等距化处理方法 |
| 4.2.1 顾及沉降变形规律的GM(1,1)-MLS等距化处理及预测 |
| 4.3 本章小结 |
| 第5章 灰色TLS扩展算法及路基沉降应用 |
| 5.1 路基沉降数据介绍 |
| 5.2 灰色稳健总体最小二乘估计 |
| 5.2.1 PEIV-TLS-IGGIII稳健估计介绍 |
| 5.2.2 工程实例对比分析 |
| 5.3 多点灰色总体最小二乘 |
| 5.4 灰色Verhulst模型总体最小二乘估计 |
| 5.5 顾及系数矩阵结构灰色Verhulst总体最小二乘 |
| 5.5.1 方法介绍 |
| 5.5.2 工程实例 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.2 工作展望与设想 |
| 参考文献 |
| 个人简历、申请学位期间的研究成果及发表的学术论文 |
| 攻读硕士期间参与的科研项目 |
| 攻读硕士期间发表的学术论文 |
| 致谢 |
（8）岳常高速公路软土路基变形监测及预警研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.3 主要研究内容 |
| 1.4 研究技术路线 |
| 第二章 工程沿线软粘土工程特性研究及沉降规律分析 |
| 2.1 软土硬壳层工程特性分析 |
| 2.2 软土路基软土层分布状况分析 |
| 2.3 典型软土路段监测断面布设 |
| 2.4 本章小结 |
| 第三章 软土路基沉降预测方法研究 |
| 3.1 基于土体固结压缩原理的纯理论沉降计算方法 |
| 3.2 基于实测资料的沉降预测方法 |
| 3.3 新型GM(1,1)模型建模方法研究 |
| 3.4 本章小结 |
| 第四章 基于监测数据的软土路基稳定性分析 |
| 4.1 典型监测断面数据选取 |
| 4.2 监测及稳定性分析 |
| 4.3 预测模型应用及精度分析 |
| 4.4 应用综合分析 |
| 4.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A (攻读学位期间发表论文目录) |
| 附录B (攻读学位期间参与课题目录) |
（9）海相软土地基沉降模式的研究分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.0 海相软土工程特性研究现状 |
| 1.2.1 路基沉降固结理论研究现状 |
| 1.2.3 沉降计算及沉降预测方法研究 |
| 1.3 本文研究主要内容与方法 |
| 1.4 本章小结 |
| 第二章 海相软土路基沉降变形特性分析 |
| 2.1 海相软土概念和特征 |
| 2.1.1 海相软土基本概念 |
| 2.1.2 海相软土特征 |
| 2.2 软土地基沉降机理 |
| 2.3 软土地基沉降量数值分析方法 |
| 2.3.1 有限元分析原理 |
| 2.3.2 Biot固结理论 |
| 2.3.3 Biot固结理论的有限元实现过程 |
| 2.3.4 非线性有限元分析 |
| 2.4 软土地基沉降预测分析方法 |
| 2.5 本章小结 |
| 第三章 海相软土路基变形监测控制 |
| 3.1 工程概况 |
| 3.1.1 工程地质条件 |
| 3.2 试验测试方案 |
| 3.2.1 观测点布设 |
| 3.2.2 沉降观测网建立与精度要求 |
| 3.2.3 沉降观测方法 |
| 3.3 观测数据 |
| 3.4 沉降监测结果分析 |
| 3.5 本章小结 |
| 第四章 坑塘回填路基变形特性的数值模拟分析 |
| 4.1 ANSYS有限元分析软件 |
| 4.1.1 ANSYS概述[27] |
| 4.1.2 ANSYS非线性结构分析 |
| 4.2 坑塘回填路基沉降分析模型 |
| 4.2.1 模型基本假定 |
| 4.2.2 模型及结构单元选择 |
| 4.2.3 模型土层材料参数选取 |
| 4.3 坑塘回填路基沉降的模拟过程 |
| 4.3.1 位移边界条件和力边界条件 |
| 4.3.2 模型建立 |
| 4.4 数值结果分析 |
| 4.5 本章小结 |
| 第五章 海相软土路基沉降的灰色理论预测 |
| 5.1 灰色理论预测方法 |
| 5.1.1 灰色理论预测模型 |
| 5.1.2 灰色理论模型微分方程数据处理 |
| 5.1.3 GM（1，1）模型建立 |
| 5.1.4 模型精度检验 |
| 5.2 灰色模型在工程中的应用 |
| 5.2.1 不等时距时间序列的等时距变换 |
| 5.2.2 海相软土路基沉降预测 |
| 5.2.3 预测结果分析 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文 |
| 致谢 |
（10）京沪高速铁路CFG桩复合地基路基沉降预测分析（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 软土地基沉降理论计算研究现状 |
| 1.2.2 CFG桩复合地基总沉降计算研究现状 |
| 1.2.3 CFG桩复合地基工后沉降计算研究现状 |
| 1.2.4 软土地基沉降预测研究现状 |
| 1.3 研究目的及意义 |
| 1.4 本文主要研究内容和方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 第2章 路基沉降组成及软土地基变形分析 |
| 2.1 路基工后沉降的概念及组成 |
| 2.2 软上地基变形沉降 |
| 2.2.1 土体的压缩变形机理分析 |
| 2.2.2 软上地基沉降分析 |
| 2.3 本章小结 |
| 第3章 CFG桩复合地基沉降计算分析 |
| 3.1 CFG桩复合地基沉降计算方法 |
| 3.1.1 CFG桩加固区压缩量的计算方法 |
| 3.1.2 CFG桩复合地基下卧层压缩量的计算方法 |
| 3.2 本章小结 |
| 第4章 CFG桩复合地基沉降预测方法分析 |
| 4.1 双曲线法 |
| 4.1.1 模型的建立 |
| 4.1.2 传统模型的求解 |
| 4.1.3 结合三点法的求解 |
| 4.2 指数曲线法 |
| 4.2.1 模型的建立 |
| 4.2.2 模型的求解 |
| 4.3 灰色理论预测法 |
| 4.3.1 灰色模型介绍 |
| 4.3.2 GM(n,h)模型 |
| 4.3.3 等时距的GM(1,1)预估模型 |
| 4.3.4 不等时距的GM(1,1)预估模型 |
| 4.4 本章小结 |
| 第5章 CFG桩复合地基路基沉降预测工程实例分析 |
| 5.1 工程实例概况 |
| 5.2 双曲线法沉降预测实例分析 |
| 5.2.1 传统双曲线法沉降预测分析 |
| 5.2.2 改进双曲线法沉降预测分析 |
| 5.2.3 两种双曲线法的对比分析 |
| 5.2.4 本节总结 |
| 5.3 指数曲线法沉降预测实例分析 |
| 5.3.1 初始时间选择在路基填筑期间 |
| 5.3.2 初始时间选择在路基填筑完成后 |
| 5.3.3 本节总结 |
| 5.4 灰色理论预测法沉降实例分析 |
| 5.4.1 原始数据序列首项选择在路基填筑阶段 |
| 5.4.2 原始数据序列首项选择在路基填筑完成阶段 |
| 5.5 三种预测方法在其他断面的适用性和对比分析 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 参与项目 |
四、灰色GM(1,1)模型在高速公路沉降观测中的应用（论文参考文献）
- [1]基于组合模型的建筑物沉降监测研究 ——以合肥市十张小学为例[D]. 郑晔. 安徽理工大学, 2021
- [2]含黏粒砂土填方路基渗透特性及沉降预测研究[D]. 刘恒. 湖北工业大学, 2020(03)
- [3]小波去噪的回归-BP组合模型在深基坑变形监测中的应用研究[D]. 田梦娜. 山东科技大学, 2020(06)
- [4]嵌入式监测系统与路基沉降预测模型研究[D]. 张成然. 太原理工大学, 2020(07)
- [5]基于灰色组合模型的高速铁路路基沉降预测及应用研究[D]. 刘鹏鹏. 兰州交通大学, 2020(01)
- [6]基于小波去噪的组合模型在建筑物变形监测中的应用[D]. 丁鹏文. 山东科技大学, 2019(05)
- [7]灰色理论的总体最小二乘估计及路基沉降预测应用[D]. 陈洋. 桂林理工大学, 2018(05)
- [8]岳常高速公路软土路基变形监测及预警研究[D]. 张艳. 长沙理工大学, 2017(01)
- [9]海相软土地基沉降模式的研究分析[D]. 刘斌. 河北工业大学, 2015(03)
- [10]京沪高速铁路CFG桩复合地基路基沉降预测分析[D]. 朱凌. 西南交通大学, 2014(09)