土工膜灰色预测模型和动态预测模型
土工膜灰色预测是基于灰色系统理论的一种预测方法，土工膜是根据过去的及其现在已知的或非确定的信息建立一个由过去引伸到将来的灰色模型 GreyMode，简称GM，然后通过对系统模型微分方程作白化处理，用最小二乘法求解，确定预测模型中的待定系数，从而确定系统未来发展变化的趋势，该方法的最大优势是对原始数据分布特征及样本量无特殊要求。
而动态预测方法区别于静态预测方法的最大特征在于:其原始数据处理系统可以根据观测数据的变化趋势不断调整，土工膜能够及时将实测数据的变化纳入系统，由此得到的蠕变预测值也更为合理。
在预测领域中应用最广泛的是BP网络。BP网络的学习算法是一种误差反向传播式网络权值训练方法。它的理论基础是多层神经网络模型，它包括输入层、隐层和输出层3个层次，输入层有n个结点，输出层有m个结点。神经网络是一个复杂的非线性动力学网络系统，一个具有偏差和至少一个S型隐含层加上一个线性输出层的网络能够逼近任何有理函数。最小二乘和BP神经网络特有的非线性能力，土工膜较好地解决了蠕变系数及三参数法对蠕变数据拟合精度不高的问题。但神经网络需要大量的数据作为学习和训练网络结构，土工膜实践证明，在贫数据的情况下应用神经网络，其结果不够理想。
