基于灰色RBF组合模型的城市用水量预测

为解决城市用水量预测中单一方法预测精度不高的问题,建立了灰色径向基（RBF）神经网络组合模型。对比实验结果表明,灰色GM（1,1）模型、RBF神经网络模型和灰色RBF神经网络组合模型的平均相对误差分别为2．1222％,1．2562％和0．6821％。与灰色GM（1,1）模型和RBF神经网络相比,灰色RBF神经网络组合模型充分发挥了灰色系统的贫乏数据建模和RBF神经网络的高度非线性映射能力的双重优势,具有较高的预测精度,更适合用于城市用水量预测。     

灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用

地铁深基坑变形是影响地铁建设的重要问题之一。针对地铁深基坑变形众多影响因素所具有的不确定性、模糊性以及深基坑变形的非线性特点,基于灰色系统理论和人工神经网络理论,分别采用灰色GM(1,1)模型、BP神经网络模型和灰色-BP神经网络组合模型对某地铁深基坑地表土体沉降进行预测分析,并将预测数据与实测数据进行对比,得出各模型预测精度。工程实例分析表明,灰色GM(1,1)模型预测精度最低,BP神经网络模型次之,灰色-BP神经网络组合模型由于集合了灰色GM(1,1)模型和BP神经网络模型的优点,预测精度最高,满足工程应用要求,对安全施工具有一定的指导作用。     

基于灰色神经网络模型的基坑变形预测研究

结合灰色GM(1,1)模型和BP神经网络模型各自的优缺点,建立了灰色神经网络组合模型,并采用该模型对实际的监测数据进行处理和分析.结果表明,灰色神经网络充分发挥了灰色模型和神经网络模型的优势,取得了较好的预测精度,能够满足实际应用的需要.     

路基沉降灰色神经网络预测模型及其应用

针对路基沉降预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测路基沉降的新方法。以京沪高铁某段路基断面为例进行了预测研究,并与用GM（1,1）模型预测的结果进行了对比。研究结果表明：灰色神经网络预测比GM（1,1）模型预测误差小。     

GM(1,1)与GM(2,1)模型在基坑工程预测中的应用

灰色系统理论已经在岩土工程领域有广泛的应用。本文把灰色系统中的GM(1,1)模型和GM(2,1)模型应用到基坑工程中,并编制了预测计算程序GYC1.0用于锚杆拉力、地面沉降和地面水平位移预测计算。工程实践说明:GM(1,1)模型比GM(2,1)模型更可靠,稳定性高,但是GM(1,1)模型短期预测时效果良好,中期预测时效果偏差较大,长期预测则要慎重。     

汉十高铁线下工程沉降预测新陈代谢GM-BP组合模型研究

提出了一种新陈代谢GM(1,1)模型与BP神经网络模型的组合预测模型,给出了组合模型的基本思路,通过BP神经网络计算而来的误差预测值对新陈代谢GM(1,1)模型的预测值进行改正,并将新陈代谢GM-BP组合预测模型应用到新建铁路武汉至十堰铁路、孝感至十堰段的高铁陆地桥墩沉降预测中,结果表明:新陈代谢GM-BP组合预测模型较现有的新陈代谢GM(1,1)模型具有较高的精度。     

改进型GM（1,1）模型在电力需求预测中的应用

提出一种改进型GM（1,1）模型,通过同时优化模型背景值和初始值的方法来提高模型预测精度,以北京地区电力需求预测为例,对改进模型的有效性和准确性进行了研究,M atlab仿真结果表明,改进型GM（1,1）模型预测精度比灰色GM（1,1）模型更高。     

灰色神经网络预测建模的Matlab实现

鉴于Matlab强大的计算及可视化功能,利用GUI用户界面进行了灰色神经网络组合模型程序设计,实现了数据的读入、灰色GM(1,1)模型预测、灰色神经网络组合模型预测以及沉降预测曲线的绘制,并通过实例验证了该程序的正确性及可靠性。     

改进灰色BP神经网络模型在建筑物沉降监测中的应用

建筑物的变形是由于多种复杂因素的影响,文章针对该影响以及单一预测模型精度不高的问题,建立了基于灰色模型和BP神经网络模型的组合预测模型。并采用复化梯形求积法对灰色模型的背景值改进,构建基于改进的组合预测模型。结合改进的灰色GM(1,1)BP神经网络组合模型对马鞍山市的某建筑物的沉降进行预测。通过对比可以看出,改进的灰色BP神经网络预测精度最高,其拟合程度更加接于实测值,可更好地适用于实际工程的中长期预测。     

GM（1，1）模型在高层建筑物沉降监测中的应用

详细地介绍了GM(1,1)模型及模型精度评定,利用GM(1,1)灰色模型和回归模型对宜昌均瑶国际广场的沉降进行预测,将预测结果进行对比,分析表明GM(1,1)灰色模型能较好地预测该建筑物的沉降趋势。     

残差修正的GM(1,1)模型在基坑安全预报中的应用

论述了安全预报的方法、灰色系统、灰色预测模型的建立和位移预报以及运用Matlab使上述安全预报理论在计算机上得以实现。对安全预报整个过程进行了详细的研究,最后通过实际工程例子对本论文研究的理论进行了具体的应用得到如下结论：GM（1,1）模型结合GM（1,1）尾数残差模型运用于基坑近期水平位移预报是可行,并且能达到安全预报的精度要求。     

深基坑位移变形监测预测模型分析及应用

曲线拟合模型、GM(1,1)模型和BP网络模型是变形监测数据处理分析常用的方法,本文采用3种模型,对深圳市某一深基坑位移变形监测数据进行建模拟合及仿真处理。分析结果表明:BP网络模型的仿真值及精度最高,并采用此模型对该深基坑的位移变形量进行预测。     

改进灰色GM(1,1)模型在隧道围岩位移预测中的应用

传统灰色GM(1,1)模型 ,多适用于等间距序列监测数据的模拟预测 ;对非等间距则往往产生较大的滞后误差。提出了一种经改进的GM(1,1)模型 ,经实例分析 ,该模型适用于隧道围岩位移非等间距监测数据序列的位移预测 ,且都能获得很高的模拟和预测精度     

基于不等时距GM(1,1)模型预测边坡失稳变形

对边坡的失稳变形进行预测可以有效预防灾害的发生。传统灰色GM（1，1）模型多适用于等间距序列监测数据的模拟预测，而实际情况却是由于各种原因导致所获得的监测数据出现不等时距现象。为此，在分析传统等时距GM（1，1）建模原理的基础上建立了不等时距GM（1，1）模型，并对灰参数的求解方法进行了讨论。依据渝黔高速公路某边坡B3测点的监测数据，建立了该边坡变形灰色预测模型，并且将改进灰参数求解方法与传统方法进行了对比，研究结果表明，该不等时距GM（1，1）模型预测精度较高，预测结果与实际吻合较好。     

改进灰色模型及其在基坑变形监测中的应用

灰色系统理论在岩土工程领域已经有着广泛的应用,其中以灰色理论中的GM(1,1)模型为最。本文基于GM(1,1)的建模机理,从原始序列、初始值、背景值等方面对其进行优化,并将改进后的模型应用于某基坑工程的变形预测。结果表明,改进后模型的预测结果与实测结果拟合得效果很好,较之原GM(1,1)模型预测精度要高。     

铁路路基沉降监测系统及沉降预测

采用水平测斜技术和激光测距技术相结合的方法,对铁路路基沉降进行了监测,并运用灰色理论建立基于该监测系统的GM(1,1)模型,同时与双曲线法、指数曲线法进行了对比,结果表明该模型具有较高的预测精度。     

GM（1,1）残差修正模型在建筑形变预报中的应用

通过对比建筑形变监测数据的GM（1,1）模型和改进的GM（1,1）残差修正模型建模的预报结果,表明残差修正GM（1,1）模型的预报精度明显高于传统GM（1,1）模型的预报精度,并且二次残差修正GM（1,1）模型的预报精度远高于一次残差修正GM（1,1）模型的预报精度,从而为准确形变预报提供了一种简单而有效的新实践。     

基于灰色与线性回归组合模型在变形预测中的研究

从GM（1,1）模型原理和GM（1,1）与线性回归组合模型原理的不同之处开始讨论,并且用组合模型进行了样本实例计算,与单一的灰色模型和简单的滑动平均作出对比,得出组合模型计算较准确,精度较高。     

新陈代谢GM（1,1）模型在河流水质预测中的应用

针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测,预测结果显示:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可信度。