基于GM-BP神经网络的校园建筑能耗预测

针对季节更迭、教学活动等因素对校园公共建筑能耗的影响,通过建立GM-BP神经网络组合预测模型,借助MATLAB软件完成建模和仿真环节,对建筑能耗开展预测分析研究。同时,引入最大相对误差绝对值Emax、平均相对误差Eave和均方根误差RMSE 3个性能指标对各预测模型性能进行评价。结果表明,组合模型较单一的GM(1,1)模型和BP神经网络模型预测精度更高,拟合性能更好。研究成果对能源管理部门制定用能政策及科研院校从事建筑节能研究具有一定的借鉴意义。     

灰色预测模型在黑龙江省经济预测中的应用

运用灰色理论研究了黑龙江省国内生产总值(GDP)2008年至2012年的变化规律,建立了黑龙江省GDP预测的灰色模型,并对2013年至2017年黑龙江省GDP作了预测。     

忠武输气管道沿线地质灾害监测方法研究

本文结合忠武输气管道沿线地质灾害监测的实践,根据忠武输气管道沿线地质灾害的自身特点,提出了一套适合长距离输气输油管道沿线地质灾害监测的综合监测方案。监测结果表明,忠武输气管道沿线地质灾害综合监测系统,有效地检验了地质灾害防治的效果,为评估突发地质灾害与异常气象灾害下管道安全提供了科学依据,揭示出危岩裂缝等地质灾害发生发育的规律。     

新陈代谢GM（1，1）模型在建筑物沉降预测中的应用研究

本文针对传统GM（1,1）模型存在的不足,建立了新陈代谢GM（1,1）沉降预测模型。并以某建筑物沉降为例对比两模型的预测值,结果表明新陈代谢GM（1,1）模型在处理该粪数据上更加具有一定的优势。     

中国能源消费的灰色预测与前景展望

本文讨论了21世纪中国的能源现状和能源结构,并基于2000～2007年中国能源消费总量的原始数据,构建GM(1,1)模型,对中国在未来的5年的能源消费作了经济预测,中国能源消费总量将突破50亿吨标准煤,最后对今后能源战略作了前景展望。     

基于灰色系统理论的锚杆极限抗拔力预测方法

利用有限的实测数据准确地预测锚杆的极限抗拔力具有重要的现实意义。根据灰色理论建立了锚杆的拉拔荷载—位移关系的GM（1,1）模型。介绍了运用灰色理论在有限的实测数据备件下预测锚杆极限抗拔力以及完整的拉拔荷载—位移关系的方法。通过工程实例的分析计算,说明了该方法具有良好的预测精度,能满足工程实际的需要。     

灰色系统中模型GM(1,1)对于大豆价格指数的预测

本文采用灰色系统中预测方法,建立了关于大豆价格指数灰色预测模型GM(1,1),采用灾变预测思想建立大豆价格等级体系,从而设计出针对大豆价格变异的预测决策系统。其中针对近年来大豆价格低迷,豆农惜售。这一事件为例,从小样本出发,经过残差分析,精度检验等手段表明,此套大豆价格预测系统有良好的可操作性,同时可以推广到其它非本征性经济领域。     

基于时间序列分析的滑坡位移预测模型研究

 结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于灰色系统GM(1,1)模型的山西旅游业收入预测

山西省正处于转型跨越的关键时期,政府不断调整产业结构,大力发展第三产业,而旅游业产业贡献率居第三产业首位。文章将灰色系统相关理论与旅游业相结合,运用灰色系统GM(1,1)模型对山西省2006—2011年旅游业收入的数据进行分析,预测未来几年山西省旅游收入状况,为山西旅游业发展提供重要的政策依据。     

GM(1,1)模型在建筑物沉降预测中的应用及Matlab的实现

针对建筑物出现的变形问题,提出在现有建筑物观测数据的基础上,运用灰色理论的方法,建立GM(1,1)模型,来预测该建筑物的沉降量,并用Matlab来对GM(1,1)算法进行实现.分析结果表明,GM(1,1)模型能较好地预测建筑物的沉降发展趋势,具有较强的实用性.     

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。     

预报模型在GPS测沉降中的应用

变形监测一定程度上可以预测沉降发展趋势,本文采用灰色模型和神经网络的建模理论,介绍了GPS测沉降数据的预报处理流程,并利用上海市CORS网的数据分析GPS沉降预报,运用模型对GPS测沉降数据进行预测,最后利用中误差理论对精度进行评定,得出了灰色模型和神经网络模型在GPS沉降数据预报方面精度是可靠、精确的结论,从本文数据看神经网络预测的精度比灰色模型预测精度更符合实际。     

基于GM（1,1）模型与灰色Verhulst模型的地铁竖井沉降预测

GM（1,1）模型与灰色Verhulst模型是广泛应用于变形分析预测的两种经典预测模型。本文利用这两种模型分别对地铁竖井沉降数据进行分析预测。通过对预测数据的比较分析,得出了灰色Verhulst模型的预测精度更高,更适合于地铁竖井沉降的预测分析。     

燃具用旋塞阀市场现状和市场规模预测

分析家用燃气灶、集成灶、燃具用旋塞阀市场现状,介绍灰预测模型GM(1,1)建模步骤和预测方法。基于2015-2019年家用燃气灶和集成灶市场规模数据,通过灰预测模型GM(1,1)计算,结合多方数据机构的预测数据,预测2020-2024年家用燃气灶和集成灶市场规模,借此对2020-2024年的燃具用旋塞阀市场规模进行预测。     

基于BP改进模型的空调系统负荷预测

针对BP模型的计算量大，收敛速度慢等缺点，本文提出了三种改进的BP模型，大大加快了收敛速度，提高了收敛性。并用实际数据对这三种改进模型进行了训练，实例证明了这些改进模型是有效的、可行的。     

燃气小时负荷的模糊神经网络预测

分析了燃气负荷运行变化规律，研究了负荷模型分类模式，采用改进模糊神经网络进行小时燃气负荷预测。     

Kalman-GM(1,1)组合模型在基坑围护墙顶沉降预测中的应用

针对基坑围护墙顶沉降监测数据受外界随机噪声干扰较大的问题,提出利用Kalman-GM(1,1)组合模型来进行变形分析和预测。即先用Kalman滤波模型对观测数据进行去噪处理,再建立基于滤波数据的GM(1,1)模型,进行基坑墙顶沉降预测。工程实例应用表明,该组合模型有效减弱了随机噪声干扰,其预测精度和可靠性高于单一GM(1,1)模型,更适用于基坑墙顶沉降预测。     

基于人工神经网络的春节期间燃气负荷预测

研究了春节期间燃气负荷的规律，考虑了天气、温度、传统节假日等因素，采用BP网络和径向基神经网络相结合的方法对春节期间燃气负荷进行预测，效果良好。