基于ARIMA-RTA组合模型的海堤工程沉降预测

海堤工程沉降预测对工程维护和灾害防治具有重要意义,但因影响沉降的因素较多,目前尚无一种普适的分析模型.以海堤工程的沉降数据为研究对象,充分利用ARIMA模型较高的拟合能力和RTA的等维递补预测思想提高海堤工程监测数据的预测长度,建立了ARIMA-RTA组合预测模型,并以浙江某海堤工程为例进行了实例计算,对沉降实测值和模型预测值进行比较.结果表明,ARIMA-RTA组合模型能够充分挖掘监测数据的动态信息,具有物理机制明确,预测精度高的优点,为海堤工程监测资料分析提供了新的研究思路.

基于BP神经网络-实时跟踪算法的海堤沉降预测

对海堤工程进行实时监控对保障堤防安全具有重要意义。以浙江省某海堤工程沉降数据为研究对象,建立基于MATLAB的BP神经网络-实时跟踪组合预测算法模型,并用原型观测数据对其进行了校核和检验,最后将该算法结果与灰色理论中的GM(1,1)模型结果进行比较。结果表明,用BP神经网络-实时跟踪组合算法预测海堤工程变形具有较高精度和抗噪性,为海堤工程变形沉降预测提供了新的研究思路。