邱 利 军，张 波，周 占 学，张 京 奎

(1.河北建筑工程学院，河北 张家口 075000； 2.河北省土木工程诊断、改造与抗灾重点实验室，河北 张家口 075000； 3.中国电子科技集团公司第54 研究所，河北 石家庄 0500813)

建筑物在施工建设过程中需要进行变形监测以观测其变形状态，同时确保其建设期间的安全，该项工作一般会延续至运营期间。在获得变形数据后，变形分析则显得尤为重要，而变形预测是变形分析的一项重要内容。精确的变形预测能够对后期变形量有准确的判断，并对可能发生的危险情况提前制定应对策略，以避免危险发生，从而达到降低损失的目的。常用的变形预测方法有回归分析法、时间序列分析法、灰色系统分析模型、神经网络模型等[1]。由我国邓聚龙教授所提出的GM(1，1)模型是灰色系统理论的基本模型[2]，其“小样本、贫信息”的建模特点能够做到建模预测的及时性。GM(1，1)模型在变形数据预测领域的应用研究与实践已经展开，并取得了诸多成果。其中，王艳艳[3]等、王朝阳[4]等结合工程实践分别针对传统均值GM(1，1)模型和新陈代谢GM(1，1)模型进行了应用研究。而由于模型建模存在优势建模维数，因此选取合适的等维或非等维优势建模维数对GM(1，1)模型进行改进能够提高建模预测的精度[5-7]；同时，由于传统GM(1，1)模型在建模机理上存在固有缺陷，因此，从初始值选取[8-9]、背景值重构[10-11]、光滑比优化等[12-14]一个或多个方面对其进行改进，能够提高预测精度。文建华[15]等采用函数对原始数据进行数据重构以剔除原数据中干扰因子；……