陈 程

(内蒙古师范大学 纪委、监察专员办公室,内蒙古 呼和浩特 010022)

在高层建筑工程的施工过程中,沉降变形是描述建筑质量和安全、稳定的重要指标[1]。建筑工程沉降变形与多种因素相关,具有时变性。为了保证建筑工程的质量,需要对建筑工程沉降变形进行预测,并根据预测结果对工程质量进行有效管理。因此,建立高精度的建筑工程沉降变形预测模型具有重要意义[2-3]。

传统建筑工程沉降变形的预测模型有两种: 一种是根据建筑物的一些参数设计相应的模型,然后对建筑工程沉降变形过程进行模拟,找出该建筑工程沉降变形的变化特点,对将来一段时间的建筑工程沉降变形进行估计[4]。这类模型在建模过程中,对参数如何确定没有统一标准,而且当参数较多时,模型建立过程十分复杂,因此建筑工程沉降变形预测结果不稳定; 另一种是基于时间序列理论的建筑工程沉降变形预测模型,如线性回归等[5],这类模型不需建筑工程沉降变形的相关参数,直接根据建筑工程沉降变形的时间序列数据进行建模,建模过程简单,建筑工程沉降变形预测结果较好[6]。然而,建筑工程沉降变形过程是一个非线性动态系统,线性回归等模型无法揭示建筑工程沉降变形的非线性动态特征。为了解决线性回归等模型的缺陷,有学者引入人工智能方法中的支持向量机和神经网络[7-8],对建筑工程沉降变形进行预测,获得了比线性回归模型更优的建筑工程沉降变形预测结果。……