改进的灰色预测模型在煤矿安全管理中的应用

预测是确定安全管理目标的有效方法,GM(1,1)模型适用于对平滑单调数列进行建模,遇到带有周期振荡性的数列时预测精度较差.改进的GM(1,1)模型通过函数变换法对数据的周期振荡性进行处理,得到单调增加的数列,再利用GM(1,1)模型建模.实际应用表明,这种改进的方法较GM(1,1)模型效果好,使用简单.     

两种预测模型在客专路基沉降预测中的对比分析

在提出客运专线路基沉降预测重要性的基础上,以灰色预测模型GM(1,1)和双曲线模型,对路基沉降变形观测数据进行了分析预测,并结合实例,编写matlab程序,对这两种预测结果做了对比分析.结果分析显示:灰色预测模型GM(1,1)比双曲线模型在客运专线路基沉降预测具有更高的精度,效果更佳.     

GM（1,1）等维新息模型在软土路基沉降预测中的应用

运用灰色理论中的GM（1,1）等维新息模型对软土路基的沉降进行预测,取沉降观测点沉降量为原始数据,采用Bspline三次插值法将原始数据转化为等时空距数据,再将其作1次累加生成1次累加序列,根据GM（1,1）等维新息模型建立灰色微分方程,其参数由最小二乘法得出,解决微分方程可得方程的时间响应序列,也就是所预测的随时间而变化的沉降值.并采用后验差法对模型的可靠性进行校验,通过某高速公路某段软土路基实测沉降数据的分析以及对等维新息模型维数区的探讨,结果表明,GM（1,1）等维新息模型应用于预测软土路基的沉降量与实际沉降量更加接近.     

不同初始条件下新陈代谢灰色模型的沉降预测效果分析

为研究初始条件对新陈代谢GM(1,1)模型预测效果的影响,该文建立了四种基于不同初始条件的新陈代谢灰色模型,通过对比分析该四种模型在三种不同变形演化规律的工程实例中的预测结果,得出在上述四种初始条件中,基于n∑t=1[∧x(1)(k)-x(1)(k)]2=min的新陈代谢灰色模型可以在短期内对沉降监测做出更加准确的预测.     

基于灰色关联GM(1,N)-Markov修正模型的应用

针对变形系统中多变量之间相互作用影响,传统GM(1,1)模型难以体现沉降变化趋势的问题,该文提出基于灰色关联分析的GM(1,N)模型对数据分析处理,并利用Markov模型修正残差序列,提高预测精度。通过实际工程应用表明:灰色关联GM(1,N)-Markov模型的预测精度高,结果更为可靠,在实际工程沉降分析预测中具有可行性。     

非等步长灰色GM(1,1)模型及其建筑物沉降预测中的应用

在文献[1]非等步长灰色GM(1,1)模型建模基础上,提出根据沉降观测振荡序列建立非等步长灰色GM(1,1)模型的改进方法.利用青岛一高层建筑物的沉降监测数据,根据改进的非等步长灰色GM(1,1)模型对建筑物沉降进行了预测和分析,通过与改进前的模型预测结果的比较分析,验证了改进模型的实用性、正确性和有效性.     

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

针对传统的GM(1,1)模型对原始观测数据的光滑度要求较高且预测结果精度较低的问题,该文选用幂函数变换的方法对原始观测数据进行预处理,提高原始观测数据的光滑度。在此基础上,该文提出了一种基于幂函数变换的GM(1,1)模型,并通过地铁施工沉降监测实例对两种模型预测结果精度进行验证。结果表明:与GM(1,1)模型相比,基于幂函数变换的GM(1,1)模型预测误差降低幅度为65. 73%,绝对误差降低幅度为50. 06%,相对误差降低幅度为46. 34%,中误差降低幅度为39. 05%,在很大程度上提高了模型的预测精度,减小了预测误差,对地铁施工过程中的安全稳定性评价具有一定的参考价值。     

基于残差修正GM(1,1)模型的采空区残余变形预测研究

针对灰色GM(1,1)模型直接应用于采空区地表残余变形预测效果一般的问题，以灰色GM(1,1)模型为基础，以一元二次多项式对GM(1,1)模型预测结果进行正化残差拟合修正，构建残差修正GM(1,1)模型，并以等间距和非等间距2种形式的采空区地表残余沉降监测数据集进行实例验证。结果表明：残差正值化处理后的非线性多项式拟合修正GM(1,1)模型的预测精度增益明显，而未对残差进行正值化处理的多项式残差修正GM(1,1)模型预测精度提升效果一般，正化残差拟合修正是有效的GM(1,1)模型后处理改进方式。     

矿区非线性沉降的GM(1,1)预计残差改进模型及应用

矿区地表移动变形关系到矿区安全生产和地面建(构)筑物的安全,对矿区地表进行定期监测并预测具有重要现实意义。矿区地表沉降由于持续时间长,观测数据具有长时序且表现为非线性变化的特征,因此存在建模数据区间难以选取、GM(1,1)模型预测精度不高的问题。针对以上问题,本文建立了基于残差加权改正的GM(1,1)改进模型,提出了先阶段后截尾的建模数据区间选取方法、预测流程和模型精度评定标准。经过实例应用验证,GM(1,1)预计残差改进模型预测精度优于GM(1,1)模型,且先阶段后截尾的建模数据区间选取方法能够提高预测精度。     

新陈代谢DGM(1,1)模型在基坑沉降预测中的应用

该文结合基坑沉降监测实例,对沉降数据进行分析,发现沉降速率越来越快,为更合理的对这种增幅较大的累计沉降值做出合理的预报,本文采用GM(1,1)、DGM(1,1)、新陈代谢GM(1,1)和新陈代谢DGM(1,1)四种模型对基坑沉降进行预测。结果表明新陈代谢DGM(1,1)预测模型提高了预测稳定性,新陈代谢DGM(1,1)预测模型与另外三种模型相比,精度有较大幅度提高,残差值增加缓慢,近似于一条水平线,预测值与实测值非常接近,且适用于长期预测,这是另外三种模型所不具有的。对于增幅较大的累计沉降量,新陈代谢DGM(1,1)模型具有较高的预测精度,对其他类似基坑监测具有一定的借鉴意义。