沉降时间序列的预测方法很多,主要分为两大类,一类为理论方法,一类为根据实测资料推算沉降量与时间关系的预测方法。由于影响沉降的因素很多,而各个因素对沉降的影响均表现在沉降数据上,因此第二类方法得到了广泛的应用。尤其是灰色系统理论方法和人工神经网络方法是通过数据本身挖掘系统内部的规律,得到的预测值更为合理。本文就灰色系统理论与人工神经网络方法在预测中存在的问题进行了讨论。 目前灰色系统理论在建立GM(1,1)模型时通常采用假定拟合曲线通过建模数据第一点来确定积分常数,从而得到预测公式的方法。但是随着时间的推移,建模数据第一点所包含的信息量已经不足。本文将确定积分常数的方法分为三种方案:①通过第一点;②通过最后一点;③通过拟和误差最小点。并分别对24组数据进行了6步预测,经过对预测结果的对比分析,提出了根据建模数据曲线类型选择方案的方法。在预测中对24组数据进行了光滑性检验,对于不满足光滑性条件的4组数据采用累计沉降来建立灰色系统预测模型,预测效果显著提高。 目前利用神经网络进行预测时,主要采用累计沉降作为训练样本,本文将训练样本的选取分为两种方案:①累计沉降;②间隔沉降。对同样的24组数据进行了预测,经过对预测结果的对比分析,提出了根据不同的沉降时期选取不同训练样本的方法。