灰色模型结合神经网络预测高速公路路基沉降

为了提高高速公路路基沉降的预测精度,考虑到神经网络强大的非线性映射功能,提出了"灰色模型+神经网络"对高速公路路基沉降进行预测分析的组合方法。以湖南省某高速公路路基沉降多个断面实测数据构建灰色GM(1,1)预测模型,在采用构建的灰色模型预测出相应结果的基础上,运用神经网络对预测结果做误差补偿。研究结果表明,采用实测数据拟合的灰色模型预测值的最大相对误差与运用神经网络对预测结果做误差补偿之后的优化预测值的最大相对误差分别为19.193%和0.865%,用神经网络对灰色模型预测结果做误差补偿之后的优化预测值与实测值更接近。

山区高速公路顺向高边坡变形预测模型研究

顺向坡由于本身的结构特点,较逆向坡更容易沿结构面产生崩塌或局部滑移,做好边坡监测与预测工作工程意义重大。该文以湖南省某在建山区高速公路中一典型顺向高边坡为研究对象,在选用GM(1,1)模型、泊松曲线、S-lgt曲线的基础上提出了一种基于误差反比例分配权系数的变权重组合预测模型,并与传统熵值法确权组合预测进行比对,研究结果表明:基于误差反比例确权的组合预测模型不仅预测精度高,而且大大简化了求解权重的过程。