致谢 | 第4-5页 |
摘要 | 第5-6页 |
Abstract | 第6页 |
1 绪论 | 第10-16页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 隧道变形监测研究现状 | 第11-12页 |
1.2.2 组合模型预测研究现状 | 第12-14页 |
1.3 研究内容 | 第14-15页 |
1.4 技术路线 | 第15-16页 |
2 太焦高铁神农隧道的变形监测 | 第16-27页 |
2.1 工程概况 | 第16-18页 |
2.1.1 地理位置 | 第16-17页 |
2.1.2 地质情况 | 第17-18页 |
2.2 隧道变形监测 | 第18-25页 |
2.2.1 监测项目 | 第18页 |
2.2.2 隧道周边位移及拱顶下沉监测 | 第18-22页 |
2.2.3 隧道地表下沉监测 | 第22-25页 |
2.3 隧道沉降监测结果及沉降趋势分析 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
3 灰色系统及时间序列理论 | 第27-39页 |
3.1 灰色系统理论基本原理 | 第27页 |
3.2 灰色数据生成 | 第27-28页 |
3.3 GM(1,1)模型 | 第28-30页 |
3.3.1 GM(1,1)模型的建立 | 第28-29页 |
3.3.2 GM(1,1)模型的精度检验 | 第29-30页 |
3.4 时间序列分析模型 | 第30-31页 |
3.4.1 平稳时间序列数据特性 | 第30页 |
3.4.2 时间序列自相关分析 | 第30-31页 |
3.5 平稳时间序列模型 | 第31-32页 |
3.5.1 自回归(AR)模型 | 第32页 |
3.5.2 滑动平均(MA)模型 | 第32页 |
3.5.3 自回归滑动平均(ARMA)模型 | 第32页 |
3.6 时间序列的Box建模 | 第32-38页 |
3.6.1 建模数据预处理 | 第33页 |
3.6.2 模型识别及初步定阶 | 第33-34页 |
3.6.3 模型参数估计 | 第34-36页 |
3.6.4 模型精确定阶 | 第36-37页 |
3.6.5 模型适应性检验 | 第37页 |
3.6.6 时间序列模型预测 | 第37-38页 |
3.7 本章小结 | 第38-39页 |
4 灰色-时序组合模型及其改进研究 | 第39-45页 |
4.1 灰色-时序组合模型概述 | 第39页 |
4.2 建立组合模型 | 第39-41页 |
4.2.1 GM(1,1)模型提取趋势项 | 第39-40页 |
4.2.2 时间序列模型对随机部分预测 | 第40页 |
4.2.3 模型预测精度评定 | 第40-41页 |
4.3 组合模型的改进 | 第41-44页 |
4.3.1 粒子群优化算法 | 第41-42页 |
4.3.2 基于粒子群的GM(1,1)模型 | 第42-43页 |
4.3.3 基于粒子群的等维递补灰色模型 | 第43-44页 |
4.3.4 改进优化的组合模型 | 第44页 |
4.4 本章小结 | 第44-45页 |
5 基于改进组合模型的高铁隧道沉降预测研究 | 第45-68页 |
5.1 沉降数据的小波去噪处理 | 第45-51页 |
5.1.1 小波去噪原理 | 第45-49页 |
5.1.2 小波分析去噪及结果分析 | 第49-51页 |
5.2 基于组合模型的沉降预测研究 | 第51-55页 |
5.2.1 建立灰色模型提取趋势项 | 第51-52页 |
5.2.2 建立时间序列模型对随机部分建模 | 第52-54页 |
5.2.3 灰色-时序组合模型预测 | 第54-55页 |
5.3 改进组合模型的沉降预测分析 | 第55-63页 |
5.3.1 粒子群寻优结果分析 | 第55-57页 |
5.3.2 基于粒子群的灰色-时序组合模型预测分析 | 第57-59页 |
5.3.3 等维递补灰色-时序组合模型预测分析 | 第59-60页 |
5.3.4 基于粒子群的等维递补灰色-时序组合模型预测分析 | 第60-63页 |
5.4 模型拟合及预测精度对比分析 | 第63-66页 |
5.5 本章小结 | 第66-68页 |
6 结论与展望 | 第68-70页 |
6.1 结论 | 第68页 |
6.2 展望 | 第68-70页 |
参考文献 | 第70-73页 |
作者简历 | 第73-75页 |
学位论文数据集 | 第75页 |