论文部分内容阅读
由于地下铁道施工引起的地表沉降及变形将不可避免的影响地表及地面建筑物的正常使用和安全运营，正确预测可能发生的地表沉降于变形，对保护人民的生命和财产安全具有重大意义。目前，沉降预测的方法有很多，主要分为两大类，一类是理论方法，由于引起沉降的因素很多，土的物理性质和工程特性也十分复杂，该类方法很难做到及时快速地预测；一类是以实测资料的数学特性建立数学模型的预测方法，这类方法主要是通过数据本身挖掘系统内部的规律，可以及时将实测数据的变化规律纳入系统，现已得到了广泛的应用，但究竟哪种方法的预测精度和适用性能更加满足工程要求，这是本文的研究目的。本文主要做了如下研究工作：
(1)根据时间序列模型原理，首先对自回归模型进行模型识别，从而确定模型的阶数，然后建立自回归时间序列预测模型然后对模型中的参数进行估计，并用时间序列模型进行预测和模型适用性检验。
(2)用灰色模型建模时，在样本输入时考虑了数据的更新问题，并将预测结果与实测值进行了比较，最后对模型进行了后验差检验。
(3)用BP神经网络建模时，对传递函数和训练函数分别进行了分析和试算，根据结果求出合适的传递函数和训练函数，并用BP神经网络进行预测。
(4)用时间序列与灰色模型建立起一个组合模型，并将该模型的预测精度与其他单一模型进行了对比。
(5)结合武汉市地铁某标段的地表沉降监测数据，分别用时间序列模型，灰色模型，以及BP神经网络模型进行沉降预测，并对不同模型的预测精度进行比较和分析。
(6)建立起基于Visual Basic的地铁数据库管理系统，使之成为集数据管理、数据查询、数据修改、变形过程线绘制以及变形预测与一体的自动化系统。
本文同时指出如何将不同模型的优势结合起来，从而提高预测精度，这将是今后需要研究的一个方向；另外，由于在实际工程中，沉降最终是趋于稳定，而本文的模型都很难收敛，因此，如何使预测更符合工程实际，在模型的基础上继续研究模型的收敛性也将是今后需要研究的内容之一：如何让将地层损失加入预测模型以提高预测精度也有待进一步探索。
本文的组织安排如下：
第一章是绪论部分。介绍本文的选题目的及意义，阐述了隧道施工时引起地表变形的原因，以及研究隧道施工时引起的地表沉降的方法在国内外的研究现状，并对本文的研究内容做了简要描述。
第二章对时间序列分析法进行了介绍。通过对相关资料的分析与整理，从自回归模型的基本原理出发，介绍自回归模型的平稳条件，重点介绍了自回归模型的模型定阶，最后对自回归模型的适应性检验做了详细说明。
第三章介绍了灰色系统理论的原理。从灰色系统的基本概念出发，重点介绍了建立GM(1，1)模型的基本过程，最后对GM(1，1)模型的精度检验也做了详细介绍。
第四章介绍了人工神经网络理论。首先介绍了人工神经网络的基本知识，接着重点介绍了BP神经网络的结构以及学习法则，最后对BP神经网络的优缺点作了简要描述。
第五章对基于VB的沉降监测数据管理系统进行了介绍，首先简要描述了系统的总体设计，接着重点介绍了关键模块的设计与实现，并对建立模型核心部分的程序作了详细介绍。
第六章以武汉市地铁某标段的地表沉降监测为例，分别用自回归、灰色GM(1，1)、组合模型以及BP神经网络进行建模，并对不同模型的拟合情况作了比较与分析，且利用不同模型分别对下期观测值进行了预测，并与实测值进行了比较与分析，最后比较了不同那模型的预测精度。
第七章是对全文研究工作的总结，提出了总体的结论与建议，并对未来的各种研究提出了一些设想与展望。