The invention provides a combined prediction method and system for settlement of ancient buildings, which relates to the settlement prediction technology of ancient buildings. Verhulst grey model is used to forecast many times by using equal dimension filling rolling method, which can be used to predict the trend of the subsidence data with less samples. Then, the initial prediction results are input into the RBF neural network to give full play to the advantages of RBF local optimization. The model can effectively avoid the global optimization of BP and other neural network overfitting phenomenon, improve the accuracy of prediction, but also can avoid the Verhuslt gray model multi-step prediction of low precision problem, truly realize the ancient building settlement data high-precision multi-step prediction.
【技术实现步骤摘要】
一种古建筑沉降的组合预测方法及系统
本专利技术涉及古建筑沉降预测
,特别涉及一种古建筑沉降的组合预测方法及系统。
技术介绍
当今,文物保护模式逐渐从“抢救性”保护过渡到“预防性”保护,利用物联网技术实现文物多角度全方位监测,为文物病害发展趋势预测提供了丰富的数据支持,为文物保护和修复方案的制定提供了重要依据,避免因决策不当造成文化遗产价值遗失。文化遗产包含古墓葬、古建筑等不可移动文物。古建筑沉降是由于建筑物荷载通过基础底面传递给地基,使天然土层原有的应力状态发生变化,当地基荷载不均匀时,就会造成不均匀沉降,从而给古建筑完整性和安全性带来隐患。如果沉降变形估计不足,轻则出现裂缝影响古建筑观瞻性和稳定性,重则会引发结构坍塌和严重人员伤亡事故。因此,提高古建筑沉降的预测精度至关重要。造成古建筑沉降的因素包括地下水开采、人为破坏、自身结构等多种随机性、不确定性因素,因此,沉降数据具有非线性、复杂性及多模态性等特点,致使沉降预测存在诸多困难。目前计算与预测沉降形变的理论方法可以分为两类:一类是模型法,即基于土体本构关系的数值方法,从地面沉降的整个发展过程来分析考虑,建立沉降量与时间的关系模型;另一类是基于实测数据的智能分析方法。模型法主要采用渗透固结理论、静态预测法和灰色系统法等。其中,渗透固结理论由于参数获得、理论假设等方面的问题,其预测误差往往较大;静态预测法是建立建筑物沉降与时间的拟合关系,常用的拟合函数有双曲线、指数函数等,由于拟合函数事先给定,使得该方法适用范围受到较大限制,且难以反映全过程的沉降与时间的关系;灰色预测模型适用于对非线性、不确定系统的 ...
【技术保护点】
一种古建筑沉降的组合预测方法,其特征在于,所述方法包括:对应变片采集的原始沉降序列进行五点三次平滑滤波,将所述原始沉降序列中的噪声滤除,得到相应的初始沉降序列;对所述初始沉降序列采用Verhulst灰色模型进行预测,得到相应的初步预测沉降序列;对所述初步预测沉降序列进行归一化处理,得到所述初步预测沉降序列归一化后的初步预测沉降序列;采用基于蚁群聚类算法的RBF神经网络对所述归一化后的初步预测沉降序列进行预测,获得沉降预测序列;将所述沉降预测序列中的元素进行反归一化操作,获得反归一化后的沉降预测序列。
【技术特征摘要】
1.一种古建筑沉降的组合预测方法,其特征在于,所述方法包括:对应变片采集的原始沉降序列进行五点三次平滑滤波,将所述原始沉降序列中的噪声滤除,得到相应的初始沉降序列;对所述初始沉降序列采用Verhulst灰色模型进行预测,得到相应的初步预测沉降序列;对所述初步预测沉降序列进行归一化处理,得到所述初步预测沉降序列归一化后的初步预测沉降序列;采用基于蚁群聚类算法的RBF神经网络对所述归一化后的初步预测沉降序列进行预测,获得沉降预测序列;将所述沉降预测序列中的元素进行反归一化操作,获得反归一化后的沉降预测序列。2.如权利要求1所述的方法,其特征在于,步骤对应变片采集的原始沉降序列进行五点三次平滑滤波,将所述原始沉降序列中的噪声滤除,得到相应的初始沉降序列包括:对所述应变片采集的k组原始沉降序列Xi={xi1,xi2,...,xip,...,xim},i=1,2,...,k;p=1,2,...,m进行按照以下公式进行五点三次平滑滤波,得到所述初始沉降序列Xi′={xi1′,xi2′,...,xip′,...,xim′},i=1,2,...,k;p=1,2,...,m;其中m为每个所述原始沉降序列中数据的数量。3.如权利要求2所述的方法,其特征在于,步骤对所述初始沉降序列采用Verhulst灰色模型进行预测,得到相应的初步预测沉降序列包括:对于所述初始沉降序列Xi′进行累加运算,获得累加序列Xi(1)=(xi1(1),xi2(1),...,xip(1),...,xim(1)),i=1,2,...,k;p=1,2,...,m,其中计算所述累加序列Xi(1)的紧邻均值生成数,获得紧邻均值生成序列Zi(1)=(zi2(1),zi3(1),...,zip(1),...,zim(1)),i=1,2,...,k;p=1,2,...,m,其中zip(1)=0.5xip(1)+0.5xi(p-1)(1);建立所述累加序列Xi(1)和紧邻均值生成序列Zi(1)之间的灰色Verhulst微分方程:xip(1)+azip(1)=b(zip(1))2,i=1,2,...,k;p=1,2,...,m式中,a为发展系数,b为灰色系数,求解所述微分方程得到所述微分方程的时间响应序...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。