基于灰色关联分析的变形监测预报模型.docVIP

基于灰色关联分析的变形监测预报模型 　　摘 要：随着城市建设的迅猛发展，大型和高层建（构）筑越来越普遍，建（构）筑物的安全建设与运行也越来越受到社会各方面的关注。为了保证建（构）筑物的顺利施工和施工后的安全运营，必须对建（构）筑物进行系统的、长期的变形监测，本文研究了基于灰色关联分析的统计预报模型建立的基本原理和方法，分别探讨了基于地下水位变化、地面荷载及其他影响因子变化的统计分析模型，并将其应用于基坑变形监测数据的分析中。分别通过单一统计模型和灰色关联分析模型预测结果与实测值进行比较，结果表明该模型有较高的精度。 　　关键词：灰色关联 统计分析 变形预报 　　中图分类号：P208 文献标识码：A 文章编号：1672-3791（2015）01（a）-0000-00 　　作者简介：张静（1986-）女，汉，江苏南通人，扬州大学土木工程专业，江苏省工程勘测研究院有限责任公司，助理工程师，测绘处图文信息中心从事测图编图及空三加密、GIS数据处理等。同时担任公司的团委副书记；公司女工委的委员。 　　随着城市建设的迅猛发展，大型和高层建（构）筑越来越普遍，建（构）筑物的安全建设与运行也越来越受到社会各方面的关注。为了保证建（构）筑物的顺利施工和施工后的安全运营，必须对建（构）筑物进行系统的、长期的变形监测，并对变形观测量进行合理的管理与统计分析，从而得出关于建（构）筑物在建设过程中及运营过程中稳定性的显著分析。建（构）筑业主方和设计部门可根据分析的结果采取适当的措施，以确保建（构）筑物的安全建设与稳定运行。 　　目前，在变形预测方面，Mohamed A. Shahin等人将人工神经网络应用在变形预测中，建立了基于人工神经网络的基坑周边地表变形预测模型，经工程实测数据分析，验证了模型的正确性和预测精度，但这种模型需要大量的监测数据对网络模型进行训练，并且网络模型的选取更多的是依靠多次试算和借鉴其他成功神经网络模型的结构，其应用受到了一定的限制。而在国内，王平卫等人指出基坑变形系统实际上是一个灰色系统，利用灰色理论建立了等步长与非等步长基坑监测变形值GM（1，1）预测模型，并通过工程实测数据证明了建立的基坑变形灰色预测模型具有较好的适用性，对指导基坑开挖和支护具有一定的作用。茅奇辉等人认为基坑开挖引起的变形都是经历了发生、发展、到成熟的过程。整个变形过程可以根据不同的施工工况、施工进程将每一区段分成抛物线形，即变形和时间的关系，提出了基坑变形预测的分段时效抛物线法。张海涛等人研究了神经网络在基坑变形预测中的应用，提出了基于人工神经网络技术的变形预测模型。罗波等人对基坑变形预测的BP神经网络进行了改进，证明了集成动量--可调激活函数的改进算法是一种较好的方法。并把这种算法应用于深基坑变形预测中，通过工程实例验证，改进算法的预测值与实测值基本吻合，预测结果更加精确，证明了本方法在深基坑变形预测应用中的有效性和实用性。 　　本文研究基于数理统计与灰色关联分析的统计模型建立的基本原理和方法，并根据基坑变形的特点，分别探讨基于地下水位变化、地面建筑荷载变化及其他影响因子变化的统计分析模型，并将其应用于基坑变形监测数据的分析中，并对预测的精度进行的分析。 　　1 基于灰色关联分析的统计分析预报模型 　　1.1 统计模型建立原理 　　本系统建立的统计模型为多元线性回归模型。 　　（1）多元线性回归基本原理 　　多元线性回归分析的数学模型可表达如下： 　　（1-1） 　　式中： ， 为待确定的系数； 为作用因子； 为变形量。 　　经过 次观测（ ），根据最小二乘原理，利用间接平差的方法列出方程式，并求出待定系数。 　　（1-2） 　　（1-3） 　　从而可求出回归方程 　　（1-4） 　　可利用下式进行回归方程的精度估计 　　（1-5） 　　多元线性回归要进行回归方程回归效果的检验，根据复相关系数 之值来判定。 　　（1-6） 　　式中： ； ； ， ，其中 是直接观测所得的值， 是由回归方程式（1-4）计算得的值。 　　此外，以未知参数个数（ ）以及自由度 和置信水平 ，查复相关系数表得 之值，若以式（1-6）计算出的 之值大于 ，则表明在置信水平 下，方程回归效果显著，并且 之值越接近于1，说明回归效果越好。 　　1.2 基于灰色关联分析的基坑监测预报模型 　　灰色关联分析是灰色系统理论中的一种系统有效的分析方法，是指对一个系统发展变化态势的定量描述和比较方法。灰色决策的数学模型主要利用灰色关联分析这一工具，通过计算比较序列与参考序列的关联系数和关联度来确定各因素和方案的重要度，进而确定重要因素或最优方案。 　　由于构成监测（构）建物产生变形的影响因子是多样的，且因子间的关系也是多种形式的