基于拟合改进的径流灰色预测模型研究

经典灰色模型可用于水文径流预测,但其预测精度较差。为了提高模型精度,基于经典灰色理论,对累加后的数据进行精度更高的多项式拟合,建立基于拟合改进的径流灰色预测模型。该模型简单易行,且计算精度和效率较高。通过对三门峡水库的入库径流资料进行经典和拟合改进灰色预测,表明拟合改进灰色预测模型可有效地对径流进行预测,预测精度较经典灰色模型有较大提高。     

基于周期外延法的监测效应量灰色时序组合预测模型

针对单一模型在大坝效应量监测数据序列拟合和预测方面存在的不足,采用Verhulst模型拟合监测数据序列中的趋势性成分,采用周期外延模型拟合监测数据序列中的周期性成分,采用自回归AR(p)模型拟合监测数据序列中的随机性成分,得到一种新的组合模型,并给出了一个工程实例。该组合模型丰富了监测效应量预测方法,可提高监测效应量的整体预测精度,深化对监测效应量变化规律的认识。     

闸下淤积过程灰色预警分析探讨

本文强调了物理规律是预测控制的基础，预报模型的选择应与物理现象相符。文中针对闸下淤积的特点，应用灰色系统理论对闸下淤积过程进行了预测探讨，通过实例说明灰色Verhulst模型较GM(1，1)模型更适合于闸下淤积过程的预警分析，进一步表明检验模型的基础应当是物理规律，而不单纯是数据的拟合精度。     

深基坑坑周土体水平位移预测模型的研究与改进

深基坑工程的变形预测意义重大。为了更好的对其变形进行预测,以某大楼深基坑工程为例,针对深基坑坑周土体水平位移预测进行模型的建立与研究,建立了Verhulst模型,并运用小波理论对原始数据进行降噪处理,建立了基于小波的Verhulst模型,进一步得到降噪前后的预测结果。通过与GM(1,1)模型对比分析,得出了以下结论:降噪前Verhulst模型预测精度为一级,优于GM(1,1)模型;基于小波降噪的Verhulst模型使预测误差进一步减小;小波Verhulst模型可用于深基坑坑周土体水平位移的预测,并体现出了较好的优越性。更多还原     

基于修正Verhulst模型的面板堆石坝沉降预测

通过分析面板堆石坝沉降和Verhulst模型的特征发现,堆石体沉降随时间的变化曲线与Verhulst模型曲线形似.但是,Verhulst模型在预测沉降时,前期预测值与实测值差距较大且预测最终沉降量偏小.为了克服这一不足,提出采用修正的Verhulst模型预测堆石体的沉降,预测结果表明,修正模型可有效提高沉降预测精度,预测面板堆石坝最终的最大沉降量更为合理.     

基于小波EGM-ISFLA-SVR的大坝变形组合预测模型

为了提高大坝变形监控模型的预测能力,充分挖掘变形实测数据并及时了解大坝的运行性态,提出了一种基于小波EGM-ISFLA-SVR的大坝变形组合预测模型。该模型首先应用小波分析进行去噪,提取变形监测序列的时效分量以及由水压、温度分量组成的综合效应分量。然后,分别运用均值GM(1,1)模型和基于改进的混合蛙跳算法的支持回归机模型对两种序列进行建模和预测。最后,经小波重构得到组合模型。通过工程实例对模型效果加以检验,采用多项指标分别与传统统计模型的拟合精度和预测精度进行对比。结果显示,该模型拟合时具有比统计模型更大的复相关系数和更小的均方差;预测时均方差、平均绝对百分比误差和平均绝对误差均小于统计模型,表明该模型具有更高的拟合和预测精度和更强的泛化能力。     

基于灰色GM(1,1)模型的农业用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例(阿克苏地区1995~2005年农业用水资料)建立灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达98.31%。用所建立的模型对阿克苏地区2006~2010年农业用水量进行外推预测,结果表明:该灰色模型用于农业用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。     

基于灰色GM(1，1)模型的农田灌溉需水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例(长治市1997~2004年灌溉用水资料)建立了灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行了精度检验,其模型的拟合精度达95.3%。用所建立的模型对长治市2005~2012年农灌需水量进行了外推预测。预测结果表明,该灰色模型用于农灌需水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。     

用引入时间参量的DGM(1,1)模型预测大坝沉降

针对传统灰色模型的预测稳定性缺陷,以及实际水利工程中监测数据采集不等时距的特点,提出了引入时间参量的离散灰色预测模型DGM(1,1)的建模方法。该方法在原离散模型的基础上,引入时间累积量修正模型参数,以此反映出数据的不等时距性以及时效性。通过对糯扎渡大坝心墙沉降观测数据的建模分析,将分析结果与另一模型的拟合和预测结果进行比较,证明新模型具有较高的预测精度。     

甘培茨模型在工业废水排放量预测中的应用研究

工业废水排放对水环境影响的程度已经不容忽视。本文通过对大量污染源信息资料的分析，提出应用甘培茨模型进行工业废水排放量预测的原则和方法。揭示了万元产值工业废水排放量变化的规律性，解决了采用产值系数法预测时万元产值工业废水排放量难以确定的问题．该模型与常用的产值系数法相比较，其预测精度较高，在工业水污染预测中具有较好的应用价值。     

兰州市水污染特征分析与预测

以2005-2009年兰州市水环境统计数据为基础,对兰州市水污染现状进行分析评价;以1990---2009年市区非农业人口数据为基准,选取二次移动平均法预测2010---2015年兰州市区非农业人口数,并由此预测兰州市区生活污水排放量;选用灰色系统理论模型对兰州市工业废水排放量进行预测;将统计数据与预测数据进行综合分析...     

安阳河入河排污口设置对水功能区水质影响分析

以洹北污水处理厂为例,通过对入河污染物量进行分析得出主要污染物排放量,采用河流完全混合模式方法计算、预测该项目排水对水体水质的影响,采用水质模型对污水排放对水功能区水质影响范围(长度)进行预测,根据该河段水功能区纳污能力和实际入河污染物量进行比较,以判断该入河排污口设置是否合理。     

灰色优化模型在岳城水库大坝沉降分析中的应用

结合灰色模型和小波理论的特点,在小波分析的基础上建立优化的灰色模型,对岳城水库大坝变形监测数据进行分析。首先通过小波理论对实验数据进行降噪处理,数据分解重构之后得到变形信息;采用灰色理论对数据进行拟合和预测;将预测结果和只采用灰色模型预测的数据进行对比。结果显示,优化的灰色模型预测精度较高。     

PSO-GM(1,1)模型在结构损伤诊断中的应用

通过粒子群算法求解GM(1,1)模型中的参数α和μ,对传统的GM(1,1)模型进行了改进。通过实例分析表明:基于粒子群算法的GM(1,1)模型对非平缓数据序列的拟合精度显著优于传统的GM(1,1)模型,对平缓数据序列,在拟合的平滑性和与原始数据序列的整体接近程度上优于传统的GM(1,1)模型。将该方法应用于结构损伤预测,结果表明:基于粒子群算法的GM(1,1)模型对检测数据的处理能力更强,预测数值与真值的整体吻合度更高,从而使模型能更好地应用于复杂结构及复杂情况下的损伤预测。     

基于CEEMDAN-ARMA模型的年径流量预测研究

为了更好地预测河川径流,提高年径流的预测精度,以黄河源区唐乃亥水文站1956—2016年的实测年径流量为研究数据,采用完全集合经验模态分解(CEEMDAN)和自回归滑动平均模型(ARMA)相结合的方法,建立CEEMDAN-ARMA组合模型,并将组合模型的预测结果与单一的ARIMA模型的预测结果进行对比。结果表明:组合模型的拟合优度大于单一ARIMA模型的拟合优度;组合模型预测的平均相对误差为3.31%,比单一的ARIMA模型的预测精度提高了4.63%。由此可见,CEEMDAN-ARMA模型预测精度高于单一的ARIMA模型,利用CEEMDAN分解得到的IMF分量序列作为ARIMA模型的输入数据可以提高模型的预测精度。     

基于EEMD-RVM的土石坝渗流量时间序列预测模型

为避免常规时间序列模型因不考虑非线性环境量而出现过拟合及预测精度不高的现象,建立了基于EEMD-RVM的土石坝渗流量时间序列预测模型。该模型采用集成经验模态分解法(EEMD)对量水堰渗流量监测值进行分解,生成多组平稳本征模态函数(IMF)及剩余分量R,然后采用相关向量机(RVM)对若干组IMF序列和R进行训练拟合及预测,最后将IMF序列和R进行等权求和得到渗流量预测值;讨论了该模型训练集的样本数及时长、预测集个数的选择和突跳点的处理等相关情况。工程算例验证结果表明,EEMD-RVM模型拟合预测精度高,且预测精度明显高于RVM模型以及GA-BP模型,验证了该模型的可行性。     

几种需水量预测模型的比较研究

针对需水量预测具有受诸多因素影响的复杂非线性输入输出特性,提出了需水量预测的LS-SVM模型,以k-fold交叉验证法确定LS-SVM模型参数。将该模型应用于河北省南水北调受水区需水量预测中,并与BP神经网络模型以及多元回归模型的拟合、预测结果进行了对比分析。比较结果表明,LS-SVM的拟合精度虽然低于BP神经网络模型,但预测精度高于其他两种模型,因此,在训练样本较少的情况下,LS-SVM模型仍有较高的预测精度和较强的泛化能力,且在需水量预测方面具有很好的应用前景。     

基于RBFNN数据延拓和CEEMDAN方法的径流序列组合预测

为提高径流预测精度,采用径向基神经网络(RBFNN)数据延拓技术处理完全集合经验模态分解(CEEMDAN)方法中的端点效应问题,并根据分解结果特点构建RBFNN-ARIMA组合预测模型。以1957—2013年黄河源区唐乃亥水文站年径流数据为例,先将选定的序列采用RBFNN进行延拓,然后进行CEEMDAN分解,对得到的分解分量运用RBFNN-ARIMA组合模型进行预测重构得到年径流量预测结果。研究表明,原始序列经过RBFNN数据延拓后再进行CEEMDAN分解,其所得分量可以有效反映不同时间尺度上的波动特征;ARIMA模型对高频IMF1分量的拟合效果较差,对其他中低频分量拟合效果较好;RBFNN-ARIMA组合模型预测结果的平均相对误差为5.23%,相较于RBFNN模型和ARIMA模型预测精度分别提高了9.88%和5.62%。因此,运用基于CEEMDAN方法的"分解-预测-重构"模式进行水文预测,对原始序列进行合理延拓并针对各分量特点进行组合预测可有效提高预测精度。     

基于灰色Verhulst的城市生活需水量预测模型

根据城市生活需水量的特性,建立基于灰色Verhulst的城市生活需水量预测模型,可解决需水量呈S形曲线增长时的中长期预测问题.实例应用表明,灰色Verhulst模型用于城市生活需水量预测,能够满足精度要求.     

气象干旱组合预测模型研究及其应用

为提高干旱预测精度,克服单一预测模型的不足,在分析灰色理论和遗传神经网络模型特点的基础上,构建了气象干旱的多尺度组合预测模型。该模型首先提取灾变序列,利用GM(1,1)模型进行拟合和预测,然后采用遗传神经网络对拟合值进行修正,得到训练好的网络结构,最后修正GM(1,1)模型的预测值。利用郑州市1951—2012年月降水数据进行的干旱预测结果表明:针对不同尺度的灾变序列,组合预测模型的预测效果优于GM(1,1)模型和遗传神经网络模型,且模型的平稳性较好。