基于RBF-Markov串联模型的危岩裂缝变形预测

基于危岩裂缝变形的渐变性及随机性,将径向基网络(RBF)预测模型与马尔科夫(Markov)概率转移模型结合起来,建立危岩裂缝变形的RBF-Markov串联预测模型.该串联模型主要是在RBF模型中输入已有数据进行训练,通过相应的径向基函数输出拟合结果,然后对拟合结果与实测值的残差进行分类,运用Markov概率转移模型计算出未来k步时间序列的相对误差,当输入最近的实测值,结合RBF模型预测值及Markov残差修正值可实现对危岩裂缝变形的最终预测.经忠武管道张家沟C1危岩裂缝变形实例验证,该串联模型既充分发挥了RBF模型反映裂缝历史发展趋势的特点,又考虑了Markov模型反映随机波动性对变形预测的影响.结果表明:串联模型具有预测精度高、收敛快等优点,且短期预测效果较好,为危岩裂缝的短期变形预测提供了新的途径.     

基于Ito随机微分方程大坝实时性态预测方法

针对大坝实时性态预测方法精度,首先基于Ito随机微分方程对某坝的多年扬压力监测极值建立GM(1,1)了实测序列预测模型,并根据建立模型的残差序列构建了Markov残差模型,其次对比分析了GM(1,1)残差预测模型和Markov残差模型。最后,综合GM(1,1)模型和Markov残差模型建立灰色Markov模型,并利用灰色Markov模型预测扬压力的极大值。计算结果表明,建立的灰色Markov模型不仅能提高预报精度还能真实地反映其过程的摆动性。     

灰色Markov方程建立及其在小麦单产预测中的应用

灰色预测和马尔柯夫链预测方法都可用于时序问题的预测,在预报中两种方法各有局限性,单独使用预测准确率都不高,特别是对时序波动较大的预测,二者的局限性表现更为明显[1]。针对灰色预测方程与Markov方程的优缺点进行评述,并对两种方程进行组合建立灰色Markov预测方程,提高预测结果的准确性,并给出实例。     

基于Bayes分类的Markov径流量预测模型

针对河川径流成因复杂性和水文过程随机性的特点,且用单一预测法存在一定局限性的现状,提出混合Bayes-Markov预测模型。先用Bayes公式对径流进行丰枯分类,然后采用加权Markov分析方法建立预测模型,该模型可综合利用Bayes和Markov方法的优点,提高径流预测精度。以兰州站河川径流量预测为例,进行模型验证。结果表明,2003～2009年径流量预测精度达到85.7%,能满足规范要求。     

基于含水层渗透系数研究的云-Markov 模型的建立与应用

通过建立云-Markov模型对含水层渗透系数进行预测。利用云模型中的多条件多规则不确定推理技术,根据样品的粒径分布对渗透系数进行预测,并对其进行误差分析;在此基础上利用权Markov原理对预测误差的随机性进行模拟,进而根据此模拟值对云模型的预测结果进行校正,将校正后的预测值作为云-Markov模型最终的计算结果输出,即完成对一个沉积样品渗透系数的预测。将该模型应用于华北平原典型地区冲洪积扇含水层参数研究,计算结果表明:与渗透系数的实测值相比,云模型的误差相对数介于0.62~1.34间,通过权Markov误差校正后,云-Markov模型的误差相对数为0.74~1.27。与传统经验公式相比,云和云-Markov模型的计算精度均满足地下水资源评价的要求,其中云-Markov模型具有更高的计算精度和广泛的使用范围,但其同时也具有较高的计算成本。     

考虑Markov岩性预测的引水隧洞施工全过程仿真研究

针对引水隧洞的施工,利用Markov岩性预测模型对地质岩性进行预测,得到隧洞沿程的岩性概率分布。在所得概率分布的基础上,随机确定隧洞岩性情况,并进行相应仿真参数的选择,进行考虑岩性不确定性的引水隧洞施工全过程仿真。结果表明:在仿真参数选取时考虑地质条件的影响能够更全面地反映施工过程的不确定性,有助于更好地分析隧洞的施工风险。     

生命旋回-Markov链模型在径流预测中的应用

为了解决生命旋回模型无法反映径流序列随机性的问题,将生命旋回模型与Markov链模型结合,建立了生命旋回-Markov链组合预测模型。该模型的特点是用生命旋回模型模拟预测径流量序列的趋势项,用Markov链模型对径流残差序列进行修正。应用该方法对黄河上游唐乃亥水文站的径流量预测结果表明:汛期预测平均相对误差为18.07%,但是有些月份误差较大;枯期预测的平均相对误差为8.26%。     

基于BP神经网络的堆石坝参数二次反演与变形预测

 在预测堆石坝长期变形时,常常需对堆石体流变参数进行反演。若同时对堆石体的瞬时变形力学参数和流变参数进行反演,则反演参数多,网络结构复杂,所需的训练样本数量大,反演效率低。根据堆石坝的监测资料,将堆石坝的沉降分解为瞬时沉降和流变引起的沉降,运用BP神经网络方法逐次增加训练样本,循环训练网络,将瞬时力学参数与流变参数分开来进行二次反演,训练样本少,反演效率高,输出结果用于预测能与监测资料较好吻合,可为类似工程提供参考和借鉴。     

融合马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法在流域水文模型中的应用

本文在Blasone研究工作的基础上，进一步提出了基于马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法(Markov Chain_Monte Carlo based Modified Generalized Likelihood Uncertainty Estimation,MMGLUE)。该方法结合近年来被广泛用于推求参数后验分布的MCMC方法，对基于Monte Carlo随机取样方法的传统GLUE方法进行改进，并以预测区间性质最优为标准，对可行参数组阈值进行判断与选择，提出了衡量预测区间对称性的标准，并就预测区间性质与可行参数组个数的相关关系进行了探索。在汉江玉带河流域的实例研究证明，MMGLUE方法较传统的GLUE方法能够推求出性质更为优良的预测区间，从而更真实合理地反映水文模型的不确定性。     

水库塌岸短期预测中时空界限决策研究

水库塌岸是具有一定时间、空间界限属性的地质灾害现象。时间界限指时间跨度，分为长期、短期塌岸；空间界限指不同水库区段，因地质条件差异导致的塌岸模式、预测参数的差异。目前常用的水库塌岸短期预测时长跨度为2～10年，但在实际工程应用中，缺乏足够的决策依据。从水库蓄水过程的角度，证明了塌岸短期预测时长可根据水库蓄水过程来界定，以三峡、小浪底等大型水库工程为例，验证该界定方法科学合理。并给出了塌岸预测时空界限的决策流程，将时空界限决策理论应用于甘肃马莲河水库工程短期塌岸预测中，从工程地质角度对短期塌岸预测成果的应用给出建议。