文中针对时间因素对GM(1,1)模型预测造成的影响引入了时间加权-新陈代谢GM(1,1)模型,并将该模型应用于建筑物的沉降预测,结果证明时间加权-新陈代谢GM(1,1)模型比传统的GM(1,1)模型的预测精度高,具有较高的参考价值。

针对现代高层建筑进行沉降观测，对其未来的变形趋势进行准确地预测具有重要的意义。针对传统灰色 GM(1，1)模型存在的模型精度不高的问题，本文提出了一种同时优化背景值和初始条件的GM(1，1)改进模型，并将其应用于对建筑物的沉降变形进行定量分析与即时预报。通过与原始模型和其他模型的对比分析可以发现，本文所研究的改进模型在精度上有了显著的提高，更加适用于基础沉降的预测，具有很好的工程应用价值。

实现了工程测量中各种常见的沉降预测算法，包括直线拟合法、二次多项式拟合法、 三次多项式拟合法、双曲线法、对数曲线法、抛物线法、指数曲线法、泊松曲线法、星野法、Asaoka法、灰度模型GM(1,1)法、灰度模型Verhulst法、BP神经网络法、遗传算法。 各种算法的具体实现可以参考 https://blog.csdn.net/yh523/article/details/122944048。 在Visual Studio 2015中采用C#编程语言实现，使用.Net Framework 4.0。 附件资源包含可以编译运行的源代码，以及可以直接运行的exe示例程序。

人工智人-家居设计-高填方路基智能沉降预测及应用研究.pdf

基于BP神经网络方法的边坡地表沉降预测研究，孙维吉，郭嗣琮，露天开采地表变形受岩体力学性质、地质构造、岩体结构、地应力场、地下水，露天矿采剥、工程荷载条件、地震作用、气象条件及植被

基于小波神经网络的沉降预测软件开发与应用.pdf

基于BP神经网络算法的矩形顶管施工地表沉降预测研究.pdf

基于机器学习算法的盾构掘进地表沉降预测方法.pdf

基于Matlab的煤矿开采地表沉降预测.pdf

高速铁路路基的工后沉降严重影响着行车安全。在已有的预测模型中,所采用的初始数据往往不能满足等时间周期采集,而且还会伴随着一系列不可避免的观测误差,模型本身的误差累计,不能进行长期预测。文中利用最小二乘原理对初始值进行拟合改进,采用Lagrange插值方法将非等间隔序列转为等间隔序列,并基于新陈更替GM(1,1)模型利用MATLAB建立沉降预测模型;在此基础上,提出对模型残差进行GM改正以提高模型精度的方法。研究表明,通过对初始值序列改正后的模型具有较好的适应性,优化改进后的模型预测误差小,预测精度优于新陈更替GM(1,1)模型。