陈智民,文选跃
(1.深圳市市政设计研究院有限公司,广东 深圳 518000; 2.广东省重工建筑设计院有限公司,广东 广州 510000)
随着我国经济水平的提高和城市化进程的快速推进,越来越多的人口涌入城市,随之而来的是有限的城市土地面积和人们越来越高的居住环境需求之间的矛盾日益突出。高层、超高层建筑是解决这种矛盾的一种有效手段,同时也逐渐成为评判一座城市经济发展水平的标志。这些高层、超高层建筑物在建造和使用过程中,受自身荷载,地下水位变化,恶劣环境等因素影响都会产生不同程度的沉降,其中不均匀沉降会使建筑物产生裂缝,局部断裂等问题,严重时甚至会引起建筑物坍塌等安全事故,危害人民群众的生命财产安全,因此对高层建筑物的当前状态进行持续的沉降监测,并对未来的沉降趋势进行有效预测,具有重要意义[1~3]。
目前常用的建筑物沉降预测方法有数值计算方法[4,5],灰色模型[6,7]和人工神经网络模型[8~10]。其中数值计算类方法以多项式拟合法为代表,多项式拟合采用不同阶次的多项式函数对建筑物沉降数据进行建模,提取数据中隐含的沉降趋势信息,对于较短时间内的沉降趋势预测精度较高,随着时间的推移,预测精度会出现明显下降;影响建筑物沉降的因素复杂多样,并且难以定量评估,属于灰色理论范围,因此灰色模型是当前广泛应用的一种建筑物沉降预测方法,典型的灰色模型是GM(1,1)模型,只需少量原始数据即可实现较长时间的预测,但是GM(1,1)模型对噪声敏感,当观测数据信噪比降低时,GM(1,1)模型的预测性能明显降低;……