一种基坑地面沉降新型预测方法

根据支护结构测斜位移和地面沉降的关系,结合灰色理论和卡尔曼滤波预测方法,提出一种地面沉降预测方法——灰色卡尔曼滤波(GKF),将预测结果与宁波地铁舟孟北路的实际监测数据进行对比。采用残差检验法检测GKF的预测效果,结果表明,GKF方法具有较高预测精度。     

短期电力负荷预测的灰色-小波网络组合模型

短期电力负荷数据具有离散、无规则波动的特点,先利用灰色预测弱化其波动性,然后将负荷原始检测数据与其相对应的灰色预测数据进行重构后作为小波网络的训练样本,在此基础上建立基于灰色-小波网络组合模型的短期电力负荷预测新方法。该方法有效整合了灰色理论、小波分析和人工神经网络的优点,与传统BP网络相比,收敛速度更快,预测精度更高。仿真试验表明了该方法用于短期电力负荷预测的可行性和有效性。     

灰色模型在装备故障预测中应用分析

在装备故障预测中,根据灰色建模不需要寻找数据的概率分布和统计规律的优势,给出了一种灰色预测算法步骤,并将其应用于某型装备故障预测中加以分析。结果表明该方法不仅可行,且预测精度较高,从而帮助装备维修保障人员更好地检测和测试装备状态,提高装备可靠性和维修性,具有一定的军事应用价值。     

一种基于灰色马尔柯夫模型的基准地价预测方法

灰色马尔可夫模型综合了灰色模型和马尔可夫预测的优点,对于相对短时序列的数据具有较好的预测效果。论述了该模型的原理和转移概率矩阵的建立方法,并将该模型应用于衡阳市基准地价走势的预测分析,并以实例数据加以验证。结果表明,灰色马尔可夫模型在短时基准地价预测中具有较强的适用性。     

基于灰色粗糙集与BP神经网络的设备故障预测

为更有效预测设备故障,提出一种基于灰色粗糙集与BP神经网络的设备故障预测模型。用灰色关联分析和粗糙集理论分别对二维故障决策表进行横向和纵向两个维度的约简,将冗余的数据和属性去掉,并将约简后的数据输入到BP神经网络,预测设备故障。最后以地铁信号设备故障预测为例进行实例验证,结果表明,该模型预测误差更小,预测准确率更高。     

基于自适应灰色模型的路面使用性能预测

在灰色理论建模的基础上,通过采用预测的最新数据替代最老数据这种方式,建立了自适应灰色模型,并将其应用于路面使用性能预测。能够克服缺少历史数据的不足,同时,与以往的预测模型相比,更加准确,更加符合路面使用性能的变化规律。通过MATLAB编程实现,使得预测更加简便易行。     

基于果蝇算法和灰色神经网络的电子装备故障预测方法研究

针对电子装备故障数据小样本、非线性的特点,在相空间重构处理原始时间序列数据的基础上,基于k折交叉验证和果蝇算法优化灰色神经网络模型参数,从而提出一种基于果蝇算法和灰色神经网络的故障预测方法,并以某型雷达高压电源监测数据仿真结果为例验证其模型性能;实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度方面都具有一定优势。     

现代医院门诊量的灰色RBF神经网络预测

门诊量预测是现代医院电梯交通以及医疗资源优化配置的重要前提。为了有效地预测医院的门诊量,提出一种将灰色预测方法与RBF神经网络有机结合的灰色神经网络组合预测方法。该方法利用灰色预测中的累加生成运算（AGO）对原始观测数据进行变换,得到规律性较强的累加数据,作为神经网络的建模和训练样本。所提出的方法既避免了灰色预测方法存在的理论误差,又提高了神经网络的训练速度和预测精度,对短期的医院门诊量预测具有较强的实用价值。结果表明：所提出的方法具有良好的预测精度。     

基于灰色小波的网络流量组合预测模型

为了更准确的预测网络流量和刻画流量特性,提出了一种基于小波变换理论与灰色理论的组合预测方法.该方法拟合了小波分解的平稳化处理优点和灰色预测中的平移处理优点,根据提出的预测方法建立了基于灰色小波的网络流量预测模型.首先对分解后的时间序列分别进行平移预处理,然后对预处理后的序列数据进行预测并重构,从而得到原始时间序列的预测值.对实际的采集数据进行仿真实验,仿真结果表明,该方法预测效果良好,优于一般小波预测方法.     

基于灰色理论和神经网络的拉坯阻力状态预测模型研究

由于拉坯阻力在时域上的非线性特征,漏钢现象产生的信息不完全以及连铸生产环境、工艺复杂等问题,利用灰色理论对传统的使用神经网络进行故障预测的模型进行了改进和优化;文章首先论证了建立灰色一神经网络模型预测拉坯阻力状态的实际需要和可行性,而后阐述了利用灰色理论和神经网络解决问题的方法,最后在论证的基础上利用编程仿真证明了模型建立的可行性和可靠性;文章根据实际现场数据以及生产工艺参数,结合生产故障典型特征,得出更加精确有效的故障诊断模型.     

基因表达式编程算法的改进及其应用研究

基因表达式编程(GEP)算法采用简单编码方式解决了复杂的公式发现问题。分析了基本的GEP算法中关键参数、常数集、符号集等设置对公式发现的影响和规律,提出了GEP算法的改进方法,并将其应用在隧道工程领域,得到了双圆盾构施工横向和纵向的地面沉降预测公式,与实测值的比较表明所发现的公式有很好的吻合度。     

基于差分演化的GEP决策树算法

基于均匀常数分布的基因表达式编程决策树算法存在对多属性数据分类效果不佳的问题。为此,提出一种基于差分演化的基因表达式编程决策树算法,该算法通过引入差分演化的方法对其附加阈值进行改进,从而使均匀的常数数组在保持均匀分布的同时仍不失多样性。实验结果表明,该方法在多属性数据的分类问题上能够得到良好的效果。     

一种基于GEP的演化硬件复杂电路优化算法

演化硬件是近年来新兴的研究热点,它是演化算法和可编程逻辑器件相结合而形成的硬件设计新方法。在演化硬件中门电路的优化设计是一个重要的研究领域。提出一种新的基于基因表达式程序设计(GEP)的算法来进行复杂优化电路的设计,通过仿真实验表明,该算法不仅收敛速度快,而且还能利用该算法优化大规模的门电路,克服了传统优化方法的求解速度慢甚至不收敛等缺点。该算法较传统的电路优化方法更简单、更高效。     

基于IP和GEP算法的股票预测

采用免疫算法和基于基因表达式编程的混合算法建立了股票指数预测模型。实验结果显示,该模型能够以相当高的精度预测股票指数。     

Topological mapping and assessment of multiple settlement time series in deep excavation: A complex network perspective

This study proposed a novel methodology that integrates complex network theory and multiple time series to enhance the systematic understanding of the daily settlement behavior in deep excavation. The original time series of ground surface, surrounding buildings, and structure settlement instrumentation data over an excavation time period were measured into a similarity matrix with correlation coefficients. A threshold was then determined and binarized into adjacent matrix to identify the optimal topology and structure of the complex network. The reconstructed settlement network has nodes corresponding to multiple settlement time series individually and edges regarded as nonlinear relationships between them. A deep excavation case study of the metro station project in the Wuhan Metro network, China, was applied to validate the feasibility and potential value of the proposed approach. Results of the topological analysis corroborate a small-world phenomenon with highly compacted interactions and provide the assessment of the significance among multiple settlement time series. This approach, which provides a new way to assess the safety monitoring data in underground construction, can be implemented as a tool for extracting macro- and micro-level decision information from multiple settlement time series in deep excavation from complex system perspectives.     

基于GEP的遥感数字图像模糊聚类研究

针对遥感信息的不确定性和混合像元问题,分析FCM算法。为了避免FCM初值选取不当而陷入局部最优,提出基于基因表达式编程的遥感数字图像模糊聚类算法。该算法可以利用外层GEP算法的全局寻优能力,确定最佳初始聚类中心,再利用内层FCM算法的模糊聚类和局部快速收敛的特性获得遥感数字图像的最优聚类。     

基于基因表达式编程的ISODATA模糊聚类算法

针对ISODATA算法需要人为给定分类数,对初始聚类中心较为敏感,没有显示出自动聚类效果等不足,结合基因表达式编程(GEP)嵌套构成迭代自组织模糊聚类进行优化计算。该方法不仅能在不需要先验知识的条件下对数据进行自动聚类,而且充分利用了GEP算法的全局寻优能力及ISODATA算法的软性分类特性,提高了算法的收敛速度和聚类精度。通过仿真验证及对比分析,运用到地理信息系统(GIS)物流选址实际问题中,得到了理想聚类效果。     

基于基因表达式编程的信用评估模型挖掘方法

提出了一种基于基因表达式编程(GEP)的信用评估模型挖掘方法GEP-CREDIT。该方法基于客户信贷数据，利用GEP算法自动进行属性筛选，并进行属性融合，在此基础上训练和建立信用评估模型。在德国信用数据库真实数据集上做的实验和性能分析表明,基于GEP的信用评估模型挖掘方法较Nave Bayes算法的预测精度提高了3%；较SVM算法的预测精度提高了1.6%；较KNN(K=17)算法的预测精度提高了6.83%。     

基因评估基因表达式程序设计方法

基因表达式程序设计(Gene Expression Programming,简称GEP)与遗传程序设计(Genetic Programming,简称GP)相比,具有更强的搜索能力、更简单的编码表示方法和产生更高复杂性函数的能力.但是它也存在一些缺点,例如缺乏学习机制,搜索过于盲目.针对这一缺点,本文提出了一种新的自动程序设计方法:基因评估基因表达式程序设计(Gene Estimated Gene Expression Programming,简称GEGEP).与GEP相比,GEGEP主要具有如下特点:(1)改变了GEP的基因表达式结构,将原来的“头 尾”结构改成了“头 身 尾”结构,以利于其引进学习机制;(2)同源基因也采用“头 身 尾”结构,以利于增强其搜索能力;(3)引入了分布评估算法(Estimation of Distribution Algorithm,简称EDA)的思想,以利于增加其学习能力并且加快其收敛速度.实验结果表明,与GEP和GP相比,GEGEP具有更高的拟合和预测精度、更快的收敛速度.