最优加权组合模型在边坡变形预测中的应用

利用某岩质边坡2002年-2011年的变形监测资料,结合区域地质与气象背景,运用莱茵达准则选定有效的监测数据,分别建立了GM(1,1)模型和趋势曲线预测模型;最后,基于最优加权组合原理,建立了边坡变形的最优加权组合模型。运用组合模型对该岩质边坡的变形进行了拟合和变形预测,模拟变形趋势与实际变形趋势对比结果表明,组合模型的预测精度高于任何单一模型的拟合精度,证明该组合模型合理、可靠。     

缓冲算子改进灰色模型在变形预测中的应用

灰色模型用于建筑物变形监测分析和预测时,通常依靠时间信息建立预测模型,但该类模型不能充分反映点位变化规律。在对变形监测时间序列定性分析的基础上,提出利用缓冲算子对变化幅度大的点进行调整,以此建立改进的灰色模型,再进行预测,并用实例进行分析验证,取得了更优的预测效果,精度也有所提高。更多还原     

灰色自适应模型及在负荷短期预测中的应用

本文针对电力负荷变化的非平稳性，首先建立起灰色模型分析用电负荷的趋势项，用灰色模型值与原始数据值进行比较，得出一系列误差值，作为二级数据，进一步应用自回归AR(2)模型对灰色模型产生的误差进行适应性调整。以1991年上海市用电负荷为例，预测二周用电负荷的平均相对误差为1.65%，对于特殊的节假日负荷，根据其自身的特点，本文则采用二元线性拟合模型进行预测，以避免产生大的预测误差。采用本文的系统具有一定自适应性，对于非平稳性的电力负荷具有很好的预测效果。     

改进的灰色马尔科夫模型在大坝变形预测中的应用

针对灰色模型在建模过程中受到随机扰动影响这一问题,利用马尔科夫模型预测波动性数据准确的优势,对灰色模型进行改进,并应用于大坝变形预测计算与分析。结果表明,改进的灰色马尔科夫模型对存在扰动数据的大坝变形预测中,可以获得较好的预测效果,提高预测精度。     

灰色模型在大坝变形监测与预报中的应用

建立有效实用的大坝变形监测模型,对于大坝运行意义重大。目前国内外常用统计模型和确定性模型来预报大坝变形,但精度普遍不高。作者提出一种基于不确定性模型的非等间隔灰色模型对大坝变形进行监测预报。预报过程建立在数学基础上,而且预报结果的精度能够满足工程需要。     

灰色系统模型在大坝变形预测中的应用

为解决大坝安全监测中变形预测的问题,以某大坝坝顶监测数据为例,介绍了灰色GM模型预测的基本方法,采用MATLAB程序建立了GM（1,1）和GM（2,1）模型,分别对某大坝坝顶视准线部分监测点的变形量进行了预测。将预测值与实测值进行对比分析可知：采用GM（1,1）和GM（2,1）模型得到的预测结果均能很好地拟合实测值,预测精度高,利用该模型在实际工程中加以应用是可行的。     

灰色模型在某水闸变形监测数据处理中的应用

1概述 建筑物变形监测数据的分析方法比较多。常用的有回归分析法、指数曲线拟合法、时间序列法等,但这些方法常常需要大量的实测数据,且对实测数据有较严格的要求,但这有时无法得到。使用灰色预测模型则不需要大量的数据,数据可以是线性的,也可以是非线性的,而且可随时对模型进行修正以提高其预测精度。     

边坡变形灰色监测模型中时间项的应用

为揭示边坡变形规律、保障边坡安全,采用监测模型对变形监测资料加以分析是一项重要工作.边坡变形的时间效应非常明显,为提高灰色监测模型对边坡不同变形规律的适应性、提高模型拟合和预测能力,探讨在灰色监测模型中加入时间项,对GM(1,1,t)模型和考虑时间项的GM(1,h)模型进行了分析,并通过某水利工程高边坡实例比较,证明时间项在边坡变形灰色监测模型中的应用具有良好的拟合预测效果和更广泛的适用性.     

灰色模型在基坑支护变形预测中的有效应用

在采用GM(1,1)模型预测基坑支护变形,通过选取恰当的原始数据序列,并进行残差修正,能得到精度很高的预测结果。并对此进行了实际工程的算例分析,计算过程中采用了方便快捷的EXCEL方法。     

GM(1,1)灰色模型在大坝扬压力预测中的应用

本文对大坝的扬压力建立了灰色GM(1,1)预测模型,所使用的数据量少,其拟合结果、预测结果与实测结果相比具有很高的精度。因此,灰色GM(1,1)预测模型在工程领域的数据处理中具有广阔的应用前景。     

大坝变形度的不等维加权动态GM(1,1)预测模型

针对灰色GM(1,1)模型预测结果易受模型中以前测得的陈旧数据的干扰,及等维动态GM(1,1)受缚于维数选择的情况,给出了不等维加权动态GM(1,1)模型的基本内容及建模过程,模型中计算出多种维数的GM(1,1)模型的预测值,并且通过萨函数加权法和BP神经网络计算出每种维数的权值,通过加权获得最终预测值.并且成功地将不...     

大坝变形监控的逐步回归马尔科夫模型

常规逐步回归模型具有建模简单,能表示自变量和因变量的显式函数关系和使用广泛等优点,但逐步回归模型在因变量测值波动比较大时拟合和预报误差大,而马尔科夫链模型具有适应大波动的优点,为此将逐步回归与马尔科夫模型相结合,提出一种高精度的变形预报模型.在介绍逐步回归模型和马尔科夫预报模型概念的基础上,利用某大坝的实测资料进行建模分析.实践表明,变形预报值能很好地吻合了实测结果,表明该模型可以用于大坝安全监控.     

基于主成分回归的大坝位移模型

位移监测是大坝安全运行过程中一项重要的工作。在建立大坝位移预报模型的过程中,常会出现影响因子之间存在严重相关性的情况,会影响模型系数的稳定性,采用主成分回归分析的方法可以很好地解决这个问题。在简述主成分回归分析原理的基础上,结合工程实测数据,建立了坝体位移量与相关因子的主成分回归模型和逐步回归模型,并对两者进行比较,取得了良好的效果。     

多元逐步回归模型在滑坡变形预测分析中的应用

在滑坡体变形监测数据分析中,引入时效、温度和降雨等作为滑坡体变形的影响因子,应用SPSS软件,采用多元逐步回归算法,建立滑坡变形的统计回归模型.将该模型拟合值与实测值的对比分析,能较好地反映滑坡体的变形规律和发展趋势,并识别影响滑坡变形的主要因素.工程实例表明,该模型的预测精度高于以往其他方法构建的模型,且操作简便.     

渗压监测统计模型欠拟合问题及因子的扩充

在使用统计回归模型来建立安全监控模型时,选用有限的因子进行拟合,往往会出现由于因子选择不确切或者不全面导致模型出现欠拟合问题,影响其拟合和预报精度,因此有必要对模型进行补充和完善。结合渗压监测的原型观测资料,用因子扩充和组合进行建模,计算结果表明这样建立的模型回归精度更高。     

大坝安全监控的门限回归预测模型及其应用

 大坝监测效应量在工作过程中受内部和外部因素的 共同作用,经常出现跳跃、渐变、再跳跃等复杂周期变化,表现出高度的非线性,为建立常规的大坝安全监控预测模型带来了不少麻烦。借鉴门限自回归模型的门限思想,在常规回归模型中引入门限因子和门限值,利用提出的最佳拟合相关分析法确定门限因子和门限值,建立了门限回归模型。计算实例表明该方法用于大坝安全监控预测可以取得满意的效果。     

闽赣自然植被覆盖格局及其驱动机制分析

自然植被覆盖格局的研究对生态环境可持续发展具有十分重要的意义。以福建和江西2省为研究区,基于30 m分辨率的植被指数数据,运用地理加权回归模型,结合自然环境和人类活动因素,探索分析闽赣地区自然植被覆盖格局特征及其驱动机制。研究表明:①地形是影响闽赣自然植被覆盖程度的主要因素,江西和福建2省自然植被覆盖程度分别在高程[100,300)m和[300,500)m区间,与高程相关性最大;在坡度25°和10°以上,与坡度的相关性减弱。②江西主干河流附近农田和城镇交错,福建主干河流附近城镇和林地嵌套,2省自然植被覆盖程度与距河流距离的相关性差异显著。③距离城镇居民点5 km和4 km分别为江西和福建2省自然植被覆盖程度与距居民点距离相关性最弱处。     

基于最优加权组合预测的隧道监控量测数据分析

监控量测技术可收集能反映施工过程中围岩动态的信息,据此判断围岩的稳定状态、确定二次衬砌时机及验证所选支护方式的合理性。通过对华蓥山隧道的监控量测数据分析,建立了多个回归模型进行比选,得到拟合精度较高的回归模型;基于最优加权组合预测法对拱顶沉降量进行预测,通过对比组合预测和单一预测模型的预测精度,验证了最优加权组合预测法的优越性;将最优加权组合预测的结果应用于沉降速率的分析,可以确定隧道二次衬砌的时间。研究结果表明:最优加权组合预测法在隧道监控量测数据分析中的应用,可以提高预测精度,较单一预测模型能更加有效地反映拱顶沉降的发展趋势;选取精度较高的单一预测模型进行最优加权组合预测,分析变形速率,可以为确定隧道的二次衬砌时间提供依据,具有一定的实用价值。     

减弱观测误差对回归模型的影响研究

对变形监测序列进行数据建模分析时,含有误差的监测数据会对模型的建立产生较大的影响.提出一种“事件”模型改变原始观测序列的表达形式,通过对原始观测数据进行转换,对变形监测数据按照某种规则进行分类划分,划分后的数据能够适应Cox模型.根据经验或者实际情况,适当调节“事件”模型参数,在一定程度上可以减弱观测误差带给Cox回归模型的影响,算例分析进一步论证了该模型计算结果的准确度能够进一步地提高计算结果的准确度.