EngineeringDesignoftheGround基础工程设计1引言随着社会进程的不断发展，各界对工程施工的安全性提出了更高的要求，变形监测作为保障施工安全的重要一环，可以通过分析已有监测数据，研究变形规律，对未来变形趋势做出科学预判，实现防患未然。基于灰预测理论的GM（1，1）模型以其良好的适用性在边坡变形预测中得到广泛应用[1-3]，但其预测精度存在一定程度的不稳定性[4-6]，本文从残差修正的角度切入，提出了一种GM（1，1）模型的优化思路，具有较为满意的准确性。2GM(1，1)模型及其预测应用2.1GM(1,1)模型简介GM(1，1)模型属于灰预测的组成部分，灰预测理论由邓聚龙教授首创，通过对原始数据组成的序列建立微分方程的形式建立灰预测基本模型，记为GM（GreyModel）。在变形监测中，原始序列仅有实际形变1个变量，故建立一阶微分方程即可满足建模要求，即本文所研究的GM(1，1)模型。2.2GM(1，1)模型建立及预测原理首先，对原始数据组成的序列x（0）=[x（0）（1），x（0）（2），…，x（0）（n）]进行一次累加，得到累加序列x（1）（n），则有：x（1）（n）=ij=1Σx（0）（j），j=1，2，…，n（1）定义x（1）（i）的灰导数dx（1）（n）=x（0）（n）=x（1）（n+1）-x（1）（n），GM(1，1)模型在边坡变形预测中的优化研究GM(1，1)Model'sOptimizationofSlopeDeformationPrediction孙斌（江西省交通科学研究院有限公司，南昌330200）SUNBin(JiangxiTransportationInstituteCo.Ltd.,Nanchang330200,China)【摘要】GM（1,1）模型作为一种经典的灰预测模型，凭借其较好的契合性在众多领域中得到了广泛应用，但不可否认的是，传统GM（1,1）模型预测偏差较大的情况也时有发生。论文以宁定边坡实测数据为基础，对传统GM(1,1)模型预测偏差进行了分析，提出了一种基于残差模型修正的优化思路，提升了GM(1,1)模型短期的预测精度，可以更为精确地研究边坡变形规律。【Abstract】Asoneoftheclassicalgreypredictionmodels,GM(1,1)modelhasbeenwidelyusedinmanyfieldsbecauseofitsgoodfit.Butundeniably,traditionalGM(1,1)model’spredictiondeviationcanbelargerthanpeople’sexpectation.ThispaperbasedontheactualmonitoringdataofNingdingslopeengineering,analyzedtraditionalGM(1,1)model’spredictiondeviation,putforwardanoptimizationideabasedonthecorrectionofresidualmodel,improvedtheshort-termpredictionaccuracyofGM(1,1)model,thelawofslopedef...
