《表1 沉降实测数据表：灰色模型在路基沉降预测中的对比研究》
提示：宽带有限、当前游客访问压缩模式
在进行模型拟合时，本文针对该公路共进行了26次观测，取前16次观测数据建立模型，如表1所示。
| 图表编号 | XD00112575600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.01 |
| 作者 | 李琼 |
| 绘制单位 | 湖南省农林工业勘察设计研究总院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 预压期观测数据：软土路基沉降预测对项目成本影响的技术研究》2020.10.25
- 《表2 填土期观测数据：软土路基沉降预测对项目成本影响的技术研究》2020.10.25
- 《表1 预测精度等级：灰色GM(1,1)预计模型在沉降监测数据中的应用》2020.05.15
- 《表2 原始数据：灰色GM(1,1)预计模型在沉降监测数据中的应用》2020.05.15
- 《表7 状态划分情况：改进灰色马氏组合模型在建筑物沉降预测中的应用》2020.07.25
- 《表8 状态转移表：改进灰色马氏组合模型在建筑物沉降预测中的应用》2020.07.25
- 《表3 预测精度对比：基于幂函数变换的GM(1,1)模型在地铁施工沉降监测中的应用》2019.12.20
- 《表2 各模型精度对比：采用Elman神经网络与支持向量机预测路基沉降》2019.11.10
- 《表4 预测结果对比表：灰色模型在路基沉降预测中的对比研究》2019.08.01
- 《表3 拟合结果对比表：灰色模型在路基沉降预测中的对比研究》2019.08.01
- 《表1 沉降量预测结果：GM-ARMA-BP组合模型在建筑物沉降预测中的应用》2019.09.25
- 《表1 样本数据构造表：改进的APSOwM-BP网络模型在高铁沉降预测中的应用研究》2019.06.25
- 《表2 残差预测值：动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析》2019.04.20
- 《表2 基坑沉降的实测值与传统Verhulst模型、优化的灰色离散Verhulst模型、优化的灰色离散Verhulst一维、二维新陈代谢模型预测值》2019.04.20
- 《表1 原始沉降量与气温：改进的卡尔曼灰色模型在隧道沉降预测中的应用》2019.03.25
- 《表6 模型预测精度：改进GM(1,1)模型在铁路路基沉降预测中的应用》2019.01.10
- 《表1 模型精度等级：改进GM(1,1)模型在铁路路基沉降预测中的应用》2019.01.10
- 《表3 级比检验：改进GM(1,1)模型在铁路路基沉降预测中的应用》2019.01.10
- 《表1 检验指标：修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析》2018.08.25
- 《表5 残差改正数：修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析》2018.08.25