公路 2010 年 4 月 第 4 期 HIGHWA Y Apr12010 No14
文章编号 : 0451 - 0712 (2010) 04 - 0045 - 03 中图分类号 :U41611 : TU433 文献
码 :B
动态灰色理论模型在路基沉降预测中的应用
张耀锋
(中交第一公路勘察设计研究院有限公司 西安市 710075)
摘 要 : 详细阐述了灰色模型的基本
和动态灰色模型的实现 , 并成功将其应用于陕西省某路段软土地基的
沉降预测。实践及理论证明 ,动态灰色预测模型由于实时加入系统的最新数据 ,提高灰区间的白度 ,预测精度比传统
灰色模型高 ,表明动态灰色模型理论正确 ,精度合格 ,能够满足实际工程应用。用 MA TLAB 编制了动态灰色模型预
测程序 ,使应用该模型进行预测变得简便易行 , 大大节省了工作量。
关键词 : 路基沉降 ; 动态灰色理论模型 ; 沉降预测 ; MA TLAB
随着我国国民经济的快速发展 ,许多现有公路
无法满足日益增长的交通量的需求 ,对原有公路进
行拓宽改扩建是一个有效的途径。然而 ,公路拓宽
中新老路基的差异沉降 ,严重影响道路的行驶质量
及使用寿命。因此 ,如何及时根据施工现场实测沉
降资料来预测后期沉降 ,已成为沉降变形动态控制
的关键技术之一。
目前沉降预测的
很多 ,主要分为两类。一
类是理论法 ,通过固结理论 ,结合各种土的本构模
型 ,对土样做精确的试验[1 ] ,采取一定的数值计算方
法 (有限元、有限差分等) 来实现 ,如大变形固结有
限元法[2 ] 、比奥固结有限元法[3 ] 。但是由于地质的
复杂性、局部性 ,部分地段提供的地质情况与数据并
不完全符合实际 ,需要的计算参数较多 ,且一般需通
过三轴试验确定 ,因此其很难普遍应用于实际工程
中。另一类是数学方法 ,利用实测沉降数据 ,将沉降
近似看成按某种规律变化的过程 ,建立某种相适应
的模型 ,采用适当的优化方法 ,反推出计算
所需
的参数 ,建立沉降与时间的关系式 ,再运用于后期的
沉降预测。数学方法主要有 : 三点法、星野法、
Asaoka 法、曲线拟合法、灰色模型法、人工神经网络
法和遗传算法[4 ] 。
用数学模型来逼近、模拟和揭示公路路基等构
造物的变形和动态特性 ,是对公路路基等构造物变
形分析的主要手段[5 ] 。本文根据陕西省某路段软土
地基的沉降观测资料 ,利用动态灰色理论模型进行
了预测分析 ,证明了动态灰色理论模型在路基沉降
预测中具有明显的优势。
1 动态灰色理论模型
灰色预测模型又称 GM ( Gray Model) 模型 ,
GM 模型是一个近似的差分微分方程模型 ,具有微
分、差分、指数兼容等性质 ,模型参数可调 ,结构随时
间而变 ,突破了一般建模要求数据多、难以得到“微
分”性质的局限[6 ] 。利用 GM 模型可对所研究系统进
行全局观察、分析及预测。根据预测因子的数目可细
分为一阶多元预测模型 GM (1 , N) 和一阶一元预测
模型 GM (1 , 1) ,实际中应用较多的是 GM (1 , 1)模
型 , 下文主要讨论 GM (1 , 1) 的建立及其应用。
111 灰色 GM (1 ,1)模型的建立
给定原始序列 ,记为 :
X (0) = { x (0) (1) , x (0) (2) , x (0) (3) , ⋯, x (0) ( n) }
(1)
做一次累加可生成 1 —A GO 序列 :
X (1) = { x (1) (1) , x (1) (2) , x (1) (3) , ⋯, x (1) ( n) }
(2)
建立 GM (1 ,1)模型的白化方程为 :
d x (1)
d t + ax
(1)
= b (3)
其中参数 a 反映了系统发展的态势 ,称为发展
系数 ; b是从背景值挖掘出来的数据 ,它反映数据变
化的关系 ,称为灰色作用量。根据最小二乘原理 ,解
式 (1)微分方程可得发展系数 a^ :
a^ = ( B T B ) - 1 B T Y (4)
收稿日期 :2009 - 06 - 11
则白化方程的解 (也称时间响应函数)为 :
x^
(1) ( t) = ( x (1) (1) - b
a
) e - at + b
a
(5)
最后通过累减实现序列还原 ,还原值为 :
x^
(0) ( k + 1) = x^ (1) ( k + 1) - x^ (1) ( k) (6)
112 模型检验
要对灰色模型进行检验 ,主要是进行后验差检
验 ,检验指标有后验算方差比值 C和小误差概率 p 。
C = s2
s1
(7)
p = p ( ε( t) - ε < 01674 5s1 ) (8)
式中 :s1为原始序列标准差 ; s2 为绝对误差标准
差 ;模型残差ε( ti ) = x (0) ( ti ) - x^ (0) ( ti ) , i = 1 ,2 ,
⋯, n ;序列 X (0) 的均值和方差分别为
x = 1
n ∑
n
i = 1
x
(0) ( ti) , s21 = 1
n - 1 ∑
n
i =1
( x(0) ( ti) -
x) 2 , i = 1 ,2 , ⋯, n;
残差的均值和方差分别为 ε = 1
n ∑
n
i = 1
ε(0) ( ti ) , s22 =
1
n - 1 ∑
n
i = 1
(ε(0) ( ti ) - ε) 2 , i = 1 ,2 , ⋯, n 。
评定一个预测模型的好坏 , C值越小越好 ,一般
要求 C小于 0135 ,最大不超过 0165。预测模型精度
评定的另一个指标为小误差概率 p , p 值越大越好 ,
一般要求 p 大于 0195 ,不得小于 017。参照 p 与 C
的大小 ,可将精度分为 4 个等级[7 ] ,如表 1 所示。
表 1 灰色理论模型精度等级
精度等级 C p
一级 (良好) < 0135 > 0195
二级 (合格) < 0145 > 0180
三级 (勉强) < 0150 > 0170
四级 (不合格) ≥0165 ≤0170
113 不等时间间隔序列的处理[8 ]
GM (1 ,1) 模型是在等时间间隔的基础上进行
的。但在实际的变形监测过程中 ,时间间隔往往是
不相等的 ,这就要求我们对原始的数据序列进行处
理。最为常用的方法是利用 Lagrange 插值 ,将不等
时距序列转化为等时距序列 ,然后再进行累加 ,建立
GM (1 ,1)模型。设某系统原始观测序列为 X (0) ( t) =
{ x (0) (1) , x (0) (2) , x (0) (3) , ⋯, x (0) ( n) } ,其对应的时
间序列为 T(0) ( t) = ( t1 , t2 , ⋯, tn) ,则平均时间间隔为
Δt0 = 1
n - 1
( tn - t1 ) 。各实际观测时段与平均时段
的差系数为μi = ti - ( i - 1)Δt0Δt0 ,各实际观测时段
的差值为Δx (0) ( ti ) = μi [ x (0) ( ti ) - x (0) ( ti - 1) ]。
分别对原始序列 X (0) ( t) 和差值序列Δx (0) ( t)
做一次累加得到 X (1) ( t) 和Δx (1) ( t) ,再对生成序
列作均值生成 :x (1) ( t) = 12 x (1) ( t) + x (1) ( t + 1) (9)
Δ
x (1) ( t) = 12 Δx (1) ( t) +Δx (1) ( t + 1) (10)
得到等间隔累加均值序列 X (1) ( t) = x (1) ( t) +
Δ x (1) ( t) ,之后可按照等时间间隔序列进行建模 ,求
取时间相应函数。
114 动态灰色理论模型原理与方法
GM (1 ,1) 模型长期预测的有效性明显受系统
时间序列长短及数据变化的影响。如果系统建模选
用的数据序列太短 ,则难以建立长期的预测模型 ;数
据序列过长 ,系统受干扰的成分多 ,不稳定因素大 ,
易使模型精度降低。为此 ,在进行动态预测的同时 ,
加入等维的约束条件 ,采用等维动态预测模型来弥
补现有灰色模型的不足[9 ] 。
设原始数据序列为 x (0) = ( x (0) (1) , x (0) (2) , ⋯,
x
(0) ( n) ) ,进行一次 A GO 累加生成 x (1) 后建立 GM
(1 ,1) 模型 ,由式 ( 6) 得到 n + 1 时刻的预测值
x^
(0) ( n + 1) 。然后去掉 x (0) (1) ,加入 x^ (0) ( n + 1) ,
重新生成等维动态序列。
2 动态 GM( 1 ,1)模型在路基沉降预测中的应用实例
现以某高速公路 3 号沉降观测断面观测数据为
例 ,验证非等时距动态 GM (1 ,1) 模型在高速公路
软基路段沉降预测应用的可行性。该断面实测数据
见表 2[10 ] 。
表 2 沉降观测资料
距首次时
间间隔/ d
0 19 47 77 109 137 171 202 235
累积沉降量
mm
846 874 907 935 958 976 993 1 017 1 035
首先 ,本文取前 5 期数据组成原始序列用传统
GM (1 ,1)模型进行预测 ,后 4 个数据为对比数据。
结果如表 3 所示。
如表 3 所示 ,传统的 GM (1 ,1) 模型 ,对于短期
的变形监测 ,能够较好地反映变形的趋势。但是随
着时间序列的加长 ,变形数据的不断增多 ,传统模型
受干扰成分变大 ,不稳定因素影响变大 ,数据开始发
—64— 公 路 2010 年 第 4 期
表 3 传统灰色模型预测数据
序号 原始观测值
mm
预测值
mm
改正数
mm
模型参数 模型精度
1 846 8561 4 - 101 4
2 874 8791 2 - 512
3 907 9021 6 41 4
4 935 9321 3 21 7
5 958 9541 8 31 2
6 976 9741 4 11 6
7 993 9991 2 - 612
8 1 007 1 0221 2 - 151 2
9 1 017 1 0431 6 - 261 6 a = - 01027 2b = 844198 p = 71143 %C = 01103
散。此时模型已经不能很好地反映路基的沉降趋
势 ,需要实时地对模型进行改正。利用动态灰色理
论模型 ,将短期的预测值代入到建模序列当中 ,替代
时间间隔较长的原始数据 ,逐步进行预测 ,可以有效
地解决这类问
。利用动态灰色理论模型 ,首先将
其 5 期数据进行建模 ,预测第 6 期数据 ,然后将其替
换第一期数据 ,再次建模 ,预测下一期 ,以此类推 ,可
得到较好的结果 ,见表 4。
表 4 动态灰色模型预测数据
序号
原始
观测值
mm
预测值
mm
改正数
mm
模型参数 模型精度
a b p/ % C
1 846 85614 - 101 4
2 874 87912 - 51 2
3 907 90216 41 4
4 935 93213 21 7
5 958 95418 31 2 01 027 2 844198 89143 01101
6 976 97414 11 6 01 025 4 8521 3 90147 01112
7 993 99615 - 31 5 01 024 4 8331 6 91121 01110
8 1 007 1 01213 - 51 3 01 023 6 8461 2 89144 01098
9 1 017 1 02817 - 111 7 01 024 8 8471 1 88192 01104
由表 4 可以很明显地看出 ,通过引入新的信息 ,
替代时间间隔较长的数据序列 ,模型的精度得到了
明显的提高 ,预测值更为接近真实的变形情况。通
过图 1 可以看出 ,改进后模型的预测值起伏变小 ,且
变形趋势与观测值更为接近。
3 结语
传统的 GM (1 ,1) 模型具有建模“少信息、规律
性强”的优点 ,但预测精度随预测步长增加而降低。
这是因为对一个系统来说 ,随时间的推移 ,未来的一
些扰动因素将不断进入系统而对其施加影响 ,用之
进行长期预测必然会产生较大的偏差。而且信息逐
图 1 两种预测误差比较
渐老化 ,不能真实反映系统目前状态 ,所以建立模型
时需要进行信息的新陈代谢。动态灰色系统实时地
加入新的信息 ,淘汰旧的信息 ,不仅可以突出系统最
新的变化趋势 ,而且可以消除预测模型的噪声污染 ,
对预测精度的提高也具有较好的作用。
本文首次将动态灰色模型应用于公路路基沉降
预测 ,实现结果分析与理论分析基本吻合 ,表明动态
灰色模型理论正确 ,精度合格 ,能够满足实际工程应
用。本文用 MA TLAB 编制了动态灰色模型预测程
序 ,使应用该模型进行预测变得简便易行 , 大大节
省了工作量。
参考文献 :
[1 ] 徐泽中 , 等1沪宁高速公路软基沉降动态控制方法研
究[J ] 1 水利水电科技进展 ,1998 ,18 (2) :31 - 341
[2 ] 谢新宇 , 等1 饱和土体一维大变形固结理论新进展
[J ]1 岩土工程学报 , 1997 , 19 (4) :30 - 381
[3 ] 钱家欢 , 殷宗泽1 土工原理与计算[ M ]1 北京 :中国水
利水电出版社 ,19961
[4 ] 王星华 , 吴汉波 ,祝志恒 1 神经网络在填石路基沉降
预测中的应用[J ]1 路基工程 ,2008 , (3) : 12 - 141
[5 ] 唐利民 ,唐平英1 公路路基沉降分析与预测模型病态
问题研究[J ]1 中外公路 , 2008 , 28 (2) :75 - 781
[6 ] 邓聚龙1灰色系统基本方法 [ M ]1 武汉 : 华中理工大
学出版社 , 19871
[7 ] 李日云 , 王力 , 张双成1灰色预测模型在高层建筑物
沉降预测中的应用研究 [J ]1 地球科学与环境学报 ,
2005 , 27 (1) : 84 - 871
[8 ] 李斌 , 朱健1非等间隔灰色 GM ( 1 , 1) 模型在沉降数
据分析中的应用 [ J ] 1 测绘科学 , 2007 , 32 ( 4 ) :
52 - 551
[9 ] 夏元友 ,刘鹏 , 莫介臻 1 高速公路软基沉降预测系统
及其应用研究[J ] 1 公路 , 2005 , (8) :275 - 2791
[10 ] 王珏1 非等时距 GM 直接模型在软基沉降预测中的应
用[J ] 1 路基工程 ,2007 , (4) : 20 - 221
—74— 2010 年 第 4 期 张耀锋 :动态灰色理论模型在路基沉降预测中的应用