基坑位移时间序列分析的自记忆预测模型研究
|
摘要
基坑工程是一个复杂的岩土工程问题,基坑的变形受到众多复杂因素的综合影响,而传统基坑工程设计方法在变形控制方面很难达到预期的效果。通过现场施工监测的方法来及时掌握基坑支护结构及周围环境的变形情况,对监测数据进行分析处理,预测基坑的变形发展趋势并及时优化设计与指导施工是目前防止工程事故发生的主要方法,因此提高基坑位移预测的精度和稳定性,研究基坑位移预测新方法具有重大的工程意义。
基坑位移系统具有其确定性,也具有其随机性,而传统的基坑位移时间序列分析方法一般都是以随机论为基础,是一种不确定性方法。本文试图将一种随机与动力相结合的非线性方法——动力系统自忆性原理引入到基坑位移预测中来,以寻求一条基坑位移预测的新途径。
(1)研究了利用传统双向差分法反演基坑位移时间序列的动力微分方程,并在此基础上建立双向差分自记忆模型的方法。
(2)利用灰色系统理论反演基坑位移动力系统的灰色微分方程,并以此作为动力微分方程建立灰色自记忆模型。
(3)在已有研究基础上提出通过曲线拟合的方法求得系统动力微分方程,建立趋势曲线自记忆预测模型的方法。
将三种自记忆模型应用于深圳市地铁购物公园站基坑支护结构水平位移预测,结果表明三种自记忆模型均具有较好的拟合与预测精度,但双向差分自记忆模型推导过程复杂、计算繁琐,建模试算工作量大,而灰色自记忆模型和趋势曲线自记忆模型比双向差分自记忆模型具有更好可操作性,且趋势曲线自忆性模型在时间序列出现剧烈波动点时拟合与预测结果更好,是一种更加简单实用的自记忆预测模型。
本文将自记忆原理引入到基坑位移时间序列分析中来,为基坑位移预测提供了新方法、新理论。
In the geotechnical engineering, foundation pit engineering is a complex existence for whose deformation is integrated influenced by many factors. The traditional designing methods for controlling deformation are difficult to achieve the desired effects. So method that to master the deformation condition of supporting structure and surrounding environment through site construction monitoring and then to analysis and process the monitoring data for predicting the deformation trend and promptly optimal designing and guiding the construction is the main method to avoid accidents happened. To improve the accuracy and stability of foundation displacement prediction have great significance for researching the new method for predicting foundation displacement.
Pit displacement system has its certainty and randomness. While the traditional time series analysis method of foundation displacement is commonly based on stochastic theory which belongs to an uncertainty method. This paper tries to introduce a nonlinear method namely dynamic system self-memorization principle which is combined with random and dynamic into the pit displacement prediction, and to seek a new way for predicting displacement. The paper is down below:
Firstly, studying the method that using traditional two-way finite difference method to inverse dynamic differential equation of displacement time sequence and then building self-memory model of two-way difference on this basis.
Secondly, utilizing the grey system theory to inverse gray differential equation of displacement dynamics system and taking it as the dynamic differential equation to build grey self-memory model
Thirdly, proposing a method that to seek system dynamic differential equation through the curve fitting method based on the existing research and then establishing trend curve-self-memory forecasting model.
We apply three self-memory models in predicting the horizontal displacement prediction of Foundation Pit supporting structure in Shenzhen metro shopping park station. The results show that all three self-memory models have good fitting and predictive accuracies. But the derivation processes of two-way difference self-memory model are complicated, tedious calculation and heavy workload for modeling. However, grey self-memory model and trend curve self-memory model have better maneuverability than two-way difference self-memory model. Moreover, the trend curve self-memorial model has better fitting and forecasting results when volatility points are happened to time series. So it is a more simple and practical self-memory forecasting model.
This article introduces self-memorization principle into the time series analysis of foundation pit displacement and for which it provides a new theory and new method in foundation pit displacement prediction.
基坑位移系统具有其确定性,也具有其随机性,而传统的基坑位移时间序列分析方法一般都是以随机论为基础,是一种不确定性方法。本文试图将一种随机与动力相结合的非线性方法——动力系统自忆性原理引入到基坑位移预测中来,以寻求一条基坑位移预测的新途径。
(1)研究了利用传统双向差分法反演基坑位移时间序列的动力微分方程,并在此基础上建立双向差分自记忆模型的方法。
(2)利用灰色系统理论反演基坑位移动力系统的灰色微分方程,并以此作为动力微分方程建立灰色自记忆模型。
(3)在已有研究基础上提出通过曲线拟合的方法求得系统动力微分方程,建立趋势曲线自记忆预测模型的方法。
将三种自记忆模型应用于深圳市地铁购物公园站基坑支护结构水平位移预测,结果表明三种自记忆模型均具有较好的拟合与预测精度,但双向差分自记忆模型推导过程复杂、计算繁琐,建模试算工作量大,而灰色自记忆模型和趋势曲线自记忆模型比双向差分自记忆模型具有更好可操作性,且趋势曲线自忆性模型在时间序列出现剧烈波动点时拟合与预测结果更好,是一种更加简单实用的自记忆预测模型。
本文将自记忆原理引入到基坑位移时间序列分析中来,为基坑位移预测提供了新方法、新理论。
In the geotechnical engineering, foundation pit engineering is a complex existence for whose deformation is integrated influenced by many factors. The traditional designing methods for controlling deformation are difficult to achieve the desired effects. So method that to master the deformation condition of supporting structure and surrounding environment through site construction monitoring and then to analysis and process the monitoring data for predicting the deformation trend and promptly optimal designing and guiding the construction is the main method to avoid accidents happened. To improve the accuracy and stability of foundation displacement prediction have great significance for researching the new method for predicting foundation displacement.
Pit displacement system has its certainty and randomness. While the traditional time series analysis method of foundation displacement is commonly based on stochastic theory which belongs to an uncertainty method. This paper tries to introduce a nonlinear method namely dynamic system self-memorization principle which is combined with random and dynamic into the pit displacement prediction, and to seek a new way for predicting displacement. The paper is down below:
Firstly, studying the method that using traditional two-way finite difference method to inverse dynamic differential equation of displacement time sequence and then building self-memory model of two-way difference on this basis.
Secondly, utilizing the grey system theory to inverse gray differential equation of displacement dynamics system and taking it as the dynamic differential equation to build grey self-memory model
Thirdly, proposing a method that to seek system dynamic differential equation through the curve fitting method based on the existing research and then establishing trend curve-self-memory forecasting model.
We apply three self-memory models in predicting the horizontal displacement prediction of Foundation Pit supporting structure in Shenzhen metro shopping park station. The results show that all three self-memory models have good fitting and predictive accuracies. But the derivation processes of two-way difference self-memory model are complicated, tedious calculation and heavy workload for modeling. However, grey self-memory model and trend curve self-memory model have better maneuverability than two-way difference self-memory model. Moreover, the trend curve self-memorial model has better fitting and forecasting results when volatility points are happened to time series. So it is a more simple and practical self-memory forecasting model.
This article introduces self-memorization principle into the time series analysis of foundation pit displacement and for which it provides a new theory and new method in foundation pit displacement prediction.
引文
[1]谢文利,王方,何琴.深基坑工程存在的问题以及发展展望[J].山西建筑,2007,33(10)：146-148.
[2]孙静.我国基坑工程发展现状综述[J].黑龙江水专学报,2010,37(1)：50-53.
[3]唐叶清,李启明,崔江余.基坑工程施工分析与处理[M].北京：中国建筑工业出版社,1999.
[4]侯学渊,杨敏.软土地基变形控制设计理论与工程实践[M].上海：同济大学出版社,1996.
[5]荣晓巍.深基坑开挖的有限元模拟与分析[D].硕士学位论文.天津：天津大学,2007.
[6]张文朋.软土地区预防地铁深基坑过量变形施工技术研究[D].硕士学位论文.天津：天津大学,2006.
[7]李志强.深基坑支护施工及监测分析[D].硕士学位论文.成都：西南交通大学,2007.
[8]宫铁军.深基坑多支撑支护体系计算与分析[D].硕士学位论文.天津：天津大学,2002.
[9]刘凯旋.防止深基坑开挖导致既有建筑破坏的方法研究[D].硕士学位论文.北京：北京工业大学,2006.
[10]张昆.深基坑施工引起周围土体位移监测分析[D].硕士学位论文.成都：西南交通大学,2005.
[11]池鹏.深基坑围护结构变形规律监测及其优化研究[D].硕士学位论文.西安：西安科技大学,2008.
[12]谢李钊.深基坑现场实测分析及数值模拟[D].硕士学位论文.长沙：中南大学,2009.
[13]杜飞,陈志龙.软土地层中基坑复合土钉支护的变形性能分析[J].清华大学学报(自然科学版),2000,40(S1)：87-90.
[14]赵志缙,应惠清.简明深基坑工程设计施工手册[M].北京：中国建筑工业出版社,2000.
[15]姜晨光.基坑工程理论与实践[M].北京：化学工业出版社,2009.
[16]陈忠汉,黄书秩,程丽萍.深基坑工程手册[M].北京：机械工业出版社,1999.
[17]孙钧.地下结构有限元解析[M].上海：同济大学出版社,1998.
[18]BRINKGREVE R BJ.Selection of soil models and parameters for geotechnical engineering application proceedings of the sessions of the Geo-Frontiers 2005 Congress,Austin,Texas,F,2005 [C].
[19]黄志全,王安明,毕理毅,等.深基坑支护工程可靠度分析与数值模拟[M].郑州：黄河水利出版社,2009：90.
[20]邓聚龙.灰色系统基本方法[M].武汉：华中科技大学出版社,2005.
[21]刘思峰,谢乃明.灰色系统理论及其应用[M].北京：科学出版社,2008.
[22]胡庆国,张可能,何忠明,等.灰色预测模型在基坑中的应用[J].矿冶工程,2006,26(4)：13-15.
[23]廖展宇,李英,晏鄂川等.非等间隔时序灰色模型的深基坑变形预测研究[J].合肥工业大学学报(自然科学版),2009,32(10)：1521-1525.
[24]赵昌贵.桩锚支护条件下深基坑开挖变形分析及预测研究——以成都市航天科技大厦深基坑为例[D].成都：成都理工大学硕士论文,2009.
[25]梁宝剑.基坑土钉支护结构水平位移的灰色预测[D].桂林：桂林工学院硕士学位论文,2008.
[26]王强,刘松玉,童立元,等.灰色理论在深基坑支挡结构变形预测中应用[J].岩土工程学报,2010,32(2)：69-72.
[27]王海燕,卢山.非线性时间序列分析及其应用[M].北京：科学出版社,2006.
[28]姚琦伟,范剑青,陈敏.非线性时间序列：建模、预报及应用[M].北京：高等教育出版社,2005.
[29]许新建,羊远新,张志刚.指数平滑模型在基坑水平位移预测中的应用[J].桂林工学院学报,2009,29(4)：485-488.
[30]钟正雄,杨林德,杨金松.基坑变形的实时建模预报时序分析方法[J].工业建筑,2000,30(3)：1-3.
[31]王杰,张小平,胡明亮.AR模型在基坑工程预测中的应用[J].江苏建筑,2005,1：49-51.
[32]杜学飞,付建军,时凯.某支护桩水平位移的时间序列分析研究[J].施工技术,2010,39：632-635.
[33]黄听,黄东,蔡小英.深基坑支护结构侧向位移时间序列分析[J].岩土工程技术,1999,2：21-25.
[34]魏东.非线性系统神经网络参数预测及控制[M].机械工业出版社,2007.
[35]王永骥,涂健.神经元网络控制[M].北京：机械工业出版社,1998.
[36]吕三和.深基坑支护变形控制设计与研究[D].硕士学位论文.青岛：中国海洋大学,2003.
[37]袁金荣,赵福勇.基坑变形预测的时间序列分析[J].土木工程学报,2001,34(6)：55-59.
[38]魏有龙.复合土钉墙的水平位移分析与预测[D].硕士学位论文.杭州：浙江大学,2006.
[39]王旭东,赵建平,余闯.人工神经网络在深基坑变形预测中的应用[J].南京工业大学学报,2002,24(5)：73-76.
[40]陈记,韦立德.RBF网络在基坑支护水平变形预测中的应用[J].广西工学院学报,2005,16(3)：12-14.
[41]韦立德,徐卫亚,蒋中明,等.基坑支护结构水平变形预测的遗传神经网络方法[J].工程地质学报,2003,11(3)：297-300.
[42]张军舰.基坑位移预测的动态BP-Cauchy模型和GA-transFcn模型研究[D].硕士学位论文.青岛：青岛理工大学,2006.
[43]张玉祥.岩土工程时间序列预报问题初探[J].岩石力学与工程学报,1998,17(5)：525-558.
[44]曹鸿兴,朱正心,虞海燕.自忆性建模及其气候应用[J].贵州气象,2007,31(3)：6-9.
[45]肖红飞,彭斌.基于自记忆模型的煤与瓦斯突出电磁辐射预测研究[J].中国安全科学学报,2009,19(10)：88-94.
[46]李家科,李怀恩,沈冰,等.基于自记忆原理的非点源污染负荷预测模型[J].农业工程学报,2009,25(3)：28-32.
[47]沈冰,刘敏,黄领梅.灰色自记忆模型及其在新疆和田地下水埋深预测中的应用[J].西北农林科技大学学报(自然科学版),2006,34(11)：223-226.
[48]王生全,刘柏根,井津,等.矿井瓦斯涌出量建模预测[J].西安科技大学学报,2010,,30(3)：271-274.
[49]曹鸿兴.动力系统自记忆原理—预报与计算应用[M].北京：地质出版社,2002.
[50]Feng Guolin, Cao Hongxing, Gao Xinquan, et al. Prediction of precipitation during summer monsoon with self-memorial model [J]. Advances in Atmospheric Scineces,2001,18(5):701-709.
[51]Cao Hongxing.Self-memorization equation in atmospheric motion.Seience in China,Series B,1993,36(7)845-855.
[52]贾晓静,曹鸿兴.一种动态数据的新建模法及其预报应用[J].应用气象学 报,2002,13(1)：96-101.
[53]建筑基坑工程监测技术规范》(GB50497-2009).
[54]张瑾.基于实测数据的深基坑施工安全评估研究[D].硕士学位论文.上海：同济大学,2008.
[55]《建筑基坑支护技术规程》(JGJ120-99).北京：中国建筑工业出版社,1999.
[56]《建筑基坑工程技术规范》(YB9258-97).北京：冶金工业出版社.1998.
[57]《深圳地区建筑深基坑支护技术规范》(SJG05-96).深圳：深圳市勘察测绘院出版,1996.
[58]刘国彬,王卫东,刘建航等.基坑工程手册[M].北京：中国建筑工业出版社,2009.
[59]CHANG-YU OU,PIO-GO HSIEH,CHIOU D-C.Characteristics of ground surface settlement during exeavation[J].Journal of Candan Geotechnical, 1993,30758-767.
[60]WOO S-M,MOH Z C.Geotechnical Characterictics of Soils in the Taipei Basin[M].Tenth southeast Asian Geotechincal conference.Taibei.1990:51-63.
[61]Young P.Date-based mechanistic modeling,generalized sensitivity and dominant mode analysis.Computer Physics Communication,1999,117: 113-129.
[62]Steppeler J.The S0 as example of a simple,ordered subsystem of a complex chaotic system,J.Climate.1997,10(3):473-480.
[63]黄建平,衣育红.利用观测资料反演非线性动力模型[J].中国科学(B辑),1991(3)：331-336.
[64]林振山,史芳斌,等.天津局地气候的反演建模及研究[J].气象学报.1995,53(1)：115-121.
[65]李荣峰.水文非线性时间序列分析的自记忆模型研究[D].博士学位论文.西安：西安理工大学,2005.
[66]刘湘平,谢学斌,黄东,等.基于动力系统自忆性原理的地下工程围岩变形预测方法[J].煤炭学报,2010,35(5)：739-744.
[67]易德生,郭萍.灰色理论与方法[M].北京：石油工业出版社,1992.
[68]曹弋MATLAB教程及实例[M].北京：机械工业出版社,2008.
[69]范习辉.基于自忆性原理的负荷预报模型研究[D].博士后学位论文.上海：上海交通大学,2005.
[70]左秀霞,王伟,张伟苇.多项式趋势曲线预测模型及软件设计[J].长江大学学报(自然科学版),2004,1(1)：10-13.
[71]李均立.GM(1,1)模型与趋势曲线的组合预测方法在橡胶产量预测中的应用[J].热带农业科学,1997,2(2)：9-13.
[72]谢成立,刘磊.灰色-趋势曲线组合预测模型在港口吞吐量预测中的应用[J].中国水运,2006,6(12)：226-227.
[73]王伟,谢学斌,黄东.基于自记忆原理的深基坑位移预测方法[M].河北工程大学学报(自然科学版),2010,27(4)：13-17.
[74]张健雄,蒋金豹,张建霞.高层建筑沉降监测与灰色预测[J].测绘科学,2007,32(4)：56-59.
[75]刘明波,田林亚,孙和平.非等步长GM(1,1)模型及其在大堤沉降监测的应用[J].测绘工程,2006,15(3)：58-60.
[76]刘湘平,谢学斌,罗一忠.边坡非线性位移预测的动力系统自记忆模型[J].岩土工程学报,2010,32(10)1535-1542.
[2]孙静.我国基坑工程发展现状综述[J].黑龙江水专学报,2010,37(1)：50-53.
[3]唐叶清,李启明,崔江余.基坑工程施工分析与处理[M].北京：中国建筑工业出版社,1999.
[4]侯学渊,杨敏.软土地基变形控制设计理论与工程实践[M].上海：同济大学出版社,1996.
[5]荣晓巍.深基坑开挖的有限元模拟与分析[D].硕士学位论文.天津：天津大学,2007.
[6]张文朋.软土地区预防地铁深基坑过量变形施工技术研究[D].硕士学位论文.天津：天津大学,2006.
[7]李志强.深基坑支护施工及监测分析[D].硕士学位论文.成都：西南交通大学,2007.
[8]宫铁军.深基坑多支撑支护体系计算与分析[D].硕士学位论文.天津：天津大学,2002.
[9]刘凯旋.防止深基坑开挖导致既有建筑破坏的方法研究[D].硕士学位论文.北京：北京工业大学,2006.
[10]张昆.深基坑施工引起周围土体位移监测分析[D].硕士学位论文.成都：西南交通大学,2005.
[11]池鹏.深基坑围护结构变形规律监测及其优化研究[D].硕士学位论文.西安：西安科技大学,2008.
[12]谢李钊.深基坑现场实测分析及数值模拟[D].硕士学位论文.长沙：中南大学,2009.
[13]杜飞,陈志龙.软土地层中基坑复合土钉支护的变形性能分析[J].清华大学学报(自然科学版),2000,40(S1)：87-90.
[14]赵志缙,应惠清.简明深基坑工程设计施工手册[M].北京：中国建筑工业出版社,2000.
[15]姜晨光.基坑工程理论与实践[M].北京：化学工业出版社,2009.
[16]陈忠汉,黄书秩,程丽萍.深基坑工程手册[M].北京：机械工业出版社,1999.
[17]孙钧.地下结构有限元解析[M].上海：同济大学出版社,1998.
[18]BRINKGREVE R BJ.Selection of soil models and parameters for geotechnical engineering application proceedings of the sessions of the Geo-Frontiers 2005 Congress,Austin,Texas,F,2005 [C].
[19]黄志全,王安明,毕理毅,等.深基坑支护工程可靠度分析与数值模拟[M].郑州：黄河水利出版社,2009：90.
[20]邓聚龙.灰色系统基本方法[M].武汉：华中科技大学出版社,2005.
[21]刘思峰,谢乃明.灰色系统理论及其应用[M].北京：科学出版社,2008.
[22]胡庆国,张可能,何忠明,等.灰色预测模型在基坑中的应用[J].矿冶工程,2006,26(4)：13-15.
[23]廖展宇,李英,晏鄂川等.非等间隔时序灰色模型的深基坑变形预测研究[J].合肥工业大学学报(自然科学版),2009,32(10)：1521-1525.
[24]赵昌贵.桩锚支护条件下深基坑开挖变形分析及预测研究——以成都市航天科技大厦深基坑为例[D].成都：成都理工大学硕士论文,2009.
[25]梁宝剑.基坑土钉支护结构水平位移的灰色预测[D].桂林：桂林工学院硕士学位论文,2008.
[26]王强,刘松玉,童立元,等.灰色理论在深基坑支挡结构变形预测中应用[J].岩土工程学报,2010,32(2)：69-72.
[27]王海燕,卢山.非线性时间序列分析及其应用[M].北京：科学出版社,2006.
[28]姚琦伟,范剑青,陈敏.非线性时间序列：建模、预报及应用[M].北京：高等教育出版社,2005.
[29]许新建,羊远新,张志刚.指数平滑模型在基坑水平位移预测中的应用[J].桂林工学院学报,2009,29(4)：485-488.
[30]钟正雄,杨林德,杨金松.基坑变形的实时建模预报时序分析方法[J].工业建筑,2000,30(3)：1-3.
[31]王杰,张小平,胡明亮.AR模型在基坑工程预测中的应用[J].江苏建筑,2005,1：49-51.
[32]杜学飞,付建军,时凯.某支护桩水平位移的时间序列分析研究[J].施工技术,2010,39：632-635.
[33]黄听,黄东,蔡小英.深基坑支护结构侧向位移时间序列分析[J].岩土工程技术,1999,2：21-25.
[34]魏东.非线性系统神经网络参数预测及控制[M].机械工业出版社,2007.
[35]王永骥,涂健.神经元网络控制[M].北京：机械工业出版社,1998.
[36]吕三和.深基坑支护变形控制设计与研究[D].硕士学位论文.青岛：中国海洋大学,2003.
[37]袁金荣,赵福勇.基坑变形预测的时间序列分析[J].土木工程学报,2001,34(6)：55-59.
[38]魏有龙.复合土钉墙的水平位移分析与预测[D].硕士学位论文.杭州：浙江大学,2006.
[39]王旭东,赵建平,余闯.人工神经网络在深基坑变形预测中的应用[J].南京工业大学学报,2002,24(5)：73-76.
[40]陈记,韦立德.RBF网络在基坑支护水平变形预测中的应用[J].广西工学院学报,2005,16(3)：12-14.
[41]韦立德,徐卫亚,蒋中明,等.基坑支护结构水平变形预测的遗传神经网络方法[J].工程地质学报,2003,11(3)：297-300.
[42]张军舰.基坑位移预测的动态BP-Cauchy模型和GA-transFcn模型研究[D].硕士学位论文.青岛：青岛理工大学,2006.
[43]张玉祥.岩土工程时间序列预报问题初探[J].岩石力学与工程学报,1998,17(5)：525-558.
[44]曹鸿兴,朱正心,虞海燕.自忆性建模及其气候应用[J].贵州气象,2007,31(3)：6-9.
[45]肖红飞,彭斌.基于自记忆模型的煤与瓦斯突出电磁辐射预测研究[J].中国安全科学学报,2009,19(10)：88-94.
[46]李家科,李怀恩,沈冰,等.基于自记忆原理的非点源污染负荷预测模型[J].农业工程学报,2009,25(3)：28-32.
[47]沈冰,刘敏,黄领梅.灰色自记忆模型及其在新疆和田地下水埋深预测中的应用[J].西北农林科技大学学报(自然科学版),2006,34(11)：223-226.
[48]王生全,刘柏根,井津,等.矿井瓦斯涌出量建模预测[J].西安科技大学学报,2010,,30(3)：271-274.
[49]曹鸿兴.动力系统自记忆原理—预报与计算应用[M].北京：地质出版社,2002.
[50]Feng Guolin, Cao Hongxing, Gao Xinquan, et al. Prediction of precipitation during summer monsoon with self-memorial model [J]. Advances in Atmospheric Scineces,2001,18(5):701-709.
[51]Cao Hongxing.Self-memorization equation in atmospheric motion.Seience in China,Series B,1993,36(7)845-855.
[52]贾晓静,曹鸿兴.一种动态数据的新建模法及其预报应用[J].应用气象学 报,2002,13(1)：96-101.
[53]建筑基坑工程监测技术规范》(GB50497-2009).
[54]张瑾.基于实测数据的深基坑施工安全评估研究[D].硕士学位论文.上海：同济大学,2008.
[55]《建筑基坑支护技术规程》(JGJ120-99).北京：中国建筑工业出版社,1999.
[56]《建筑基坑工程技术规范》(YB9258-97).北京：冶金工业出版社.1998.
[57]《深圳地区建筑深基坑支护技术规范》(SJG05-96).深圳：深圳市勘察测绘院出版,1996.
[58]刘国彬,王卫东,刘建航等.基坑工程手册[M].北京：中国建筑工业出版社,2009.
[59]CHANG-YU OU,PIO-GO HSIEH,CHIOU D-C.Characteristics of ground surface settlement during exeavation[J].Journal of Candan Geotechnical, 1993,30758-767.
[60]WOO S-M,MOH Z C.Geotechnical Characterictics of Soils in the Taipei Basin[M].Tenth southeast Asian Geotechincal conference.Taibei.1990:51-63.
[61]Young P.Date-based mechanistic modeling,generalized sensitivity and dominant mode analysis.Computer Physics Communication,1999,117: 113-129.
[62]Steppeler J.The S0 as example of a simple,ordered subsystem of a complex chaotic system,J.Climate.1997,10(3):473-480.
[63]黄建平,衣育红.利用观测资料反演非线性动力模型[J].中国科学(B辑),1991(3)：331-336.
[64]林振山,史芳斌,等.天津局地气候的反演建模及研究[J].气象学报.1995,53(1)：115-121.
[65]李荣峰.水文非线性时间序列分析的自记忆模型研究[D].博士学位论文.西安：西安理工大学,2005.
[66]刘湘平,谢学斌,黄东,等.基于动力系统自忆性原理的地下工程围岩变形预测方法[J].煤炭学报,2010,35(5)：739-744.
[67]易德生,郭萍.灰色理论与方法[M].北京：石油工业出版社,1992.
[68]曹弋MATLAB教程及实例[M].北京：机械工业出版社,2008.
[69]范习辉.基于自忆性原理的负荷预报模型研究[D].博士后学位论文.上海：上海交通大学,2005.
[70]左秀霞,王伟,张伟苇.多项式趋势曲线预测模型及软件设计[J].长江大学学报(自然科学版),2004,1(1)：10-13.
[71]李均立.GM(1,1)模型与趋势曲线的组合预测方法在橡胶产量预测中的应用[J].热带农业科学,1997,2(2)：9-13.
[72]谢成立,刘磊.灰色-趋势曲线组合预测模型在港口吞吐量预测中的应用[J].中国水运,2006,6(12)：226-227.
[73]王伟,谢学斌,黄东.基于自记忆原理的深基坑位移预测方法[M].河北工程大学学报(自然科学版),2010,27(4)：13-17.
[74]张健雄,蒋金豹,张建霞.高层建筑沉降监测与灰色预测[J].测绘科学,2007,32(4)：56-59.
[75]刘明波,田林亚,孙和平.非等步长GM(1,1)模型及其在大堤沉降监测的应用[J].测绘工程,2006,15(3)：58-60.
[76]刘湘平,谢学斌,罗一忠.边坡非线性位移预测的动力系统自记忆模型[J].岩土工程学报,2010,32(10)1535-1542.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |