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。     

基于灰色马尔科夫模型的南四湖水质预测

针对传统GM(1,1)模型存在灰色偏差和抗干扰能力弱的问题,建立一种等维新息灰色马尔科夫模型.该模型采用灰色马尔科夫模型改进传统GM(1,1)模型,再利用等维新息思想更新建模所需数据序列.运用该模型对南四湖2019-2021年的水质状况和水质演变趋势进行预测,结果表明:灰色马尔科夫模型的相对误差小、精度高、预测结果合理...     

灰色马尔科夫模型在年降水量预测中的应用

在遵循新信息优先的灰色理论前提下,分别将第一个时刻的数据x(1)(1)、最后时刻的数据x(1)(n)以及前一个时刻的数据x(1)(k-1)作为初始条件建立GM(1,1)模型,并采取加权的方式对各模型的预测结果进行求和,得到改进后的GM(1,1)模型预测结果。然后,利用马尔科夫模型对优化灰色模型预测结果进行修正。实例应用结果表明:灰色马尔科夫模型预测精度比传统灰色模型有明显提高,与实际降水量数据的拟合程度更好。     

指数平滑法-马尔科夫模型在巢湖水质预测中的应用

水质预测是水环境管理的重要内容,对工农业生产具有较好的指导意义。以巢湖为例,针对水质变化的随机性,应用指数平滑法-马尔科夫预测法,对合肥湖滨与巢湖裕溪口两大断面2001-2010年的CODMn、TP、TN数据进行指数平滑处理,预测2011-2013年水质,发现未来几年需要注意TN以及东半湖CODMn的变化,这对宏观上把握水质变化趋势以及污染因子的动态有一定的指导意义,同时也发现指数平滑与马尔科夫预测的结果是一致的,将两者结合,可较好的运用于水质预测中。     

改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用

研究了改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用,先用S型函数对厦门某边坡的实测数据进行平滑处理,然后用平滑后的数据建立不等时距灰色GM(1,1)模型,最后用改进的计算公式求得马尔科夫模拟值和预测值。结果表明改进后的不等时距灰色马尔科夫GM(1,1)模型的拟合精度和预测精度有了很大的提高,对边坡稳定性预测有一定的参考价值。     

改进加权马尔科夫链模型在辽西地下水开采量预测中应用

本文采用变量权重修正系数对传统加权马尔科夫链模型进行改进,从而提高模型收敛精度。并将改进模型用于辽宁西部地下水开采量预测计算。研究结果表明:改进的加权马尔科夫链模型,在区域地下水开采量预测中具有较高的精度,改进模型在研究区地下水开采量预测年误差减少16.8%,不同季节预测误差减少16.0%。改进模型研究对于区域地下水开采量预测具有参考价值。     

灰色动态模型在巢湖水质预测中的应用

应用灰色系统动态模型GM(1，1)，对巢湖高锰酸盐指数(COD_Mn)与五日生化需氧量(BOD₅)进行了预测分析，经模型精度检验及对1994,1995年预测，预测值与实测值比较，结果令人满意，可利用建立的模型对未来时间巢湖水质进行预测。     

改进灰色模型在水量预测中的应用

灰色模型对生活用水量进行预测本身具有一定的局限,数据离散程度越大,灰度也愈大,其预测精度也越差.文中采用滑动平均法对灰色预测的原始数据进行了改进,并采取残差修正,避免了数值过度波动.通过预测实例,结果表明改进后的灰色预测模型能有效提高预测精度.     

灰色马尔科夫模型在寸滩站年最高水位预测中的应用

本文将灰色系统理论与马尔科夫链理论相结合，建立灰色马尔科夫预报模型，对寸滩站年最高水位进行预报分析。从模拟效果分析，计算值与实际值大体吻合。模型可推广应用长期水文预报中。     

改进的BP神经网络模型在地下水预测中的应用研究

针对传统BP神经网络模型局部较易收敛的缺点,引入小波分析函数对传统BP神经网络模型节点计算进行改进,并将改进的BP神经网络模型在新疆地区地下水预测中进行应用,研究结果表明:改进的BP神经网络模型可解决模型局部较易收敛问题,预测的地下水水位和实测的地下水水位更为接近,预测的地下水水位和实测水位之间的相关性年尺度达到0.85,高于传统BP神经网络模型的预测精度。     

基于遗传算法的灰色模型在预测地下水动态变化中的应用

为科学地进行地下水埋深动态变化预测 ,提出了基于实数编码的加速遗传算法的GM(1 ,1 )模型 ,此模型拟合优度和预测精度较好。为建三江农场分局创业农场地下水保护和合理利用提供了决策依据。     

改进灰色神经网络模型在电量预测中的应用

研究过程中分析比较了人工神经网络和灰色模型的优缺点,尝试将人工神经网络模型与改进灰色模型进行有机结合,从而提出了改进灰色神经网络模型。新的耦合方式发挥了灰色预测方法中累加生成的优点,便于神经网络进行训练,又避免了灰色预测方法带来的误差,提高了预测精度,是一种新的有益探索;为实际工程应用提供了重要的参考。     

灰色理论及神经网络组合模型在水质预测中的应用

利用灰色理论和神经网络的组合式模型实现了对原水水质的预测。它分析了水质数据的影响因素多,水质变化的非线性等特点,同时考虑灰色理论的单变量预测优势以及神经网络能有效处理数据的非线性、模糊信息的特点,提出使用灰色理论模型GM(1,1)对水质数据进行建模,再使用BP神经网络对实际值和预测值的残差进行建模,最后叠加上述两个模型,实现灰色神经网络组合式水质预测模型。通过对某水厂水质的预测值和实际值的比较,表明该模型对水质有较高的预测精度。     

马尔可夫链式灰色模型在南宁邕江水质预测中的应用

应用灰色理论,结合水质监测资料,建立了马尔可夫链式灰色预测模型,利用南宁市邕江的连续实测数据,预测邕江水质的变化,将预测值与实测值加以对比,证明了马尔可夫链式灰色预测模型在水质预测中的可行性.     

改进的灰色灾变模型在干旱预测中的应用

为提高传统的GM(1,1)模型精度,分别从原始数据序列检验和建立残差修正模型两方面进行了改进,并将改进的灰色灾变模型与不进行原始序列检验的GM(1,1)1模型和对原始数据序列进行检验的GM(1,1)2模型进行了比较。结果表明:改进的灰色灾变模型精度最高;运用该模型预测榆林市未来可能发生干旱的年份分别为2012年、2015年和2019年。     

灰色—马尔科夫模型在南俄5水电站大坝变形预测中的应用研究

利用灰色—马尔科夫模型对南俄5水电站大坝变形进行预测分析研究,利用数据分组技术进一步提高了灰色—马尔科夫模型预测变形的精度。以南俄5水电站大坝表面水平位移观测值为样本,将大致能够拟合为指数函数曲线的数据分为一组,然后分别考虑不分组和分组两种情况预测其未来值。经过计算对比后发现合理的分组可以使预测值的相对误差缩小到11%以内,精度较之前有了明显的提高。由此表明,利用灰色—马尔科夫模型并结合适当的数据分组技术对大坝变形的预测有较好的效果。     

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     

不同改进灰色模型在广西年用水量预测中的应用研究

以广西全区2005-2014年的年用水量资料作为建模数据,采用灰色GM(1,1)模型进行预测研究。为了提高预测精度,分别对传统灰色GM(1,1)模型进行了不同方式的改进,通过比较发现4种灰色模型的预测结果均较理想,平均精度达到了99.5%。其中传统灰色GM(1,1)模型为99.0%、函数变换改进的灰色模型为99.4%、残差修正后的灰色模型为99.7%、经弱化算子处理后的灰色模型为99.9%,同时也充分验证了灰色模型在广西年用水量预测中的可靠性。     

灰色模型的改进及其在气象干旱预测中的应用

针对传统GM(1,1)模型在数据预处理阶段存在的不足,分析模型误差的产生原因,提出新的数据预处理方法。依据峡江县1958-2018年年降水量资料,通过计算其SPI指数(标准化降水指数)得到干旱年时间序列。在真实的时间序列数据集上对经典灰色模型GM~0、平移转换预处理灰色模型GM~1、基于平移转换的平均弱化缓冲算子预处理灰色模型GM~2进行了对比测试,结果表明:平移转换结合平均弱化缓冲算子弥补了预处理阶段的不足,有效地降低传统模型的误差,改进后的GM~2模型的平均预测误差为3.32%,相较于其它两种模型分别降低了44.16%和16.24%。证明了该模型具有更好的预测精度,可应用于干旱年的预测,为区域干旱预测和干旱防治工作提供理论依据。     

加权马尔科夫链模型在水库含沙量预测中的应用研究

本文用加权马尔科夫链模型预测水库含沙量,结合水库实测入库含沙量数据,分析加权马尔科夫链模型在水库含沙量预测精度。研究结果表明:加权马尔科夫链模型适用于水库含沙量的预测,在年尺度上预测值和实测值之间的相对误差在14.47%~19.25%,过程拟合系数0.7以上;在小时尺度上预测值和实测值之间的相对误差低于15%,过程拟合系数可达到0.65以上,预测精度符合入库含沙量预测规范的要求。研究成果对于水库含沙量预测方法提高参考价值。