基于小波分解的差分灰色神经网络-AR模型及其在地铁隧道沉降预测中应用研究

发布时间：2023-01-05 10:55

　　提出了一种基于小波分解的差分灰色神经网络-AR模型。该方法利用小波分解,将监测数据中稳定性较好的低频序列利用差分灰色神经网络进行预测,消除了由于灰色预测残差不平稳而导致的预测误差;对呈现平稳序列的高频数据采用自相关强的AR时间序列模型进行预测,并对上述结果进行小波重构得到最终的预测结果。结合某地铁隧道的实测沉降数据,与灰色模型GM（1,1）、差分灰色神经网络模型进行对比,结果表明:本文提出的基于小波分解的差分灰色神经网络-AR模型精度更高,能够对隧道沉降监测作出更加准确的模拟和预报。 

【文章页数】：5 页

【文章目录】：
1 小波分解与重构
2 差分灰色神经网络模型
    2.1 灰色GM(1,1)模型
    2.2 灰色预测的残差差分化
    2.3 BP神经网络模型
3 AR自回归模型
4 基于小波分解的差分灰色神经网络-AR模型
5 工程实例预测与效果分析
6 结 语


【参考文献】：
期刊论文
[1]遗传算法的灰色神经网络在基坑变形中的应用[J]. 胡圣武.  测绘科学. 2019(03)
[2]灰色预测模型在变形监测中的应用研究[J]. 王涛.  酒城教育. 2018(03)
[3]灰色预测模型在变形监测中的应用研究[J]. 王涛.  酒城教育. 2018 (03)
[4]灰色神经网络组合模型在变形监测数据分析中的应用[J]. 李进,黄张裕,欧阳经富,王存有.  勘察科学技术. 2016(05)
[5]小波分解AR-BP网络模型在大坝垂直位移预测中的应用[J]. 辛大鹏,田林亚,沈哲辉.  测绘工程. 2015(12)
[6]基于小波分析AR（P）-SVR组合模型在大坝变形预测中的应用[J]. 沈哲辉,黄腾,邱伟,郑浩.  测绘工程. 2015(06)
[7]基于多核模式的隧道沉降预测[J]. 范思遐,周奇才,熊肖磊,赵炯.  岩土力学. 2013(S2)

博士论文
[1]几个预测方法及模型的研究[D]. 唐万梅.内蒙古大学 2006

硕士论文
[1]基于小波优化的灰色BP神经网络在深基坑变形预测中的应用[D]. 付博.东华理工大学 2016
[2]建筑沉降监测数据处理组合模型研究[D]. 牟洪洲.长安大学 2008



本文编号：3727870