路基沉降的加权组合预测方法研究

基于路基沉降实测数据对沉降进行预测是一种常用的施工质量管理方法,然而单一预测模型往往可靠度不高。对此,通过系统分析当前常用的3种路基沉降预测模型,在此基础之上,对这3种方法的预测结果赋予不同的权值,进而加权求和得出最终沉降值,旨在减小预测结果的随机性,提高预测精度。研究结果表明:预测数据可靠度要优于单一模型,对比类似组合算法,在保证计算精度的基础上,计算效率也有了显著提升。

基于多模型加权组合算法的公路边坡位移预测

基于边坡位移实际监测数据序列对未来某一时间的位移进行预测是一种有效且实用的边坡稳定性分析方法,将不同的预测方法加以组合,可以提高预测结果的可靠度。对此,分析了常用边坡位移预测方法的基础之上,提出一种多模型加权组合预测算法。先分别用不同的预测模型对边坡位移进行预测,然后根据预测结果的方差以一定的方法对每种预测模型的预测结果加权,最后求和得出最终位移预测值。算例表明,预测方法预测结果的相对误差均值要小于单一预测模型,和同类文献中的算法对比,在保证了预测精度的同时亦能大大提高算法效率。

路基沉降趋势的组合预测方法研究

路基沉降的理论值与实际监测值通常存在较大偏差,对此,在详细论述四种常用的路基沉降预测方法的基础上,提出一种基于人工神经网络与灰色模型的组合预测方法,并结合工程实例的实测数据,证实了组合方法在路基沉降趋势分析中的有效性和合理性。