改进的非等间距GM(1,1)大坝位移监控模型

针对传统GM(1,1)监控模型在拟合和预测大坝位移方面的不足,通过采用积分方式重构背景值、引进最佳赋权矩阵体现原始数据的时间影响效应、优化残差等途径,提出了改进的非等间距GM(1,1)大坝位移监控模型。结合工程实例,对比分析表明改进的GM(1,1)监控模型相比于传统GM(1,1)监控模型在对大坝位移原始监测资料分析的基础上,预测精度有较大提高,可作为一种新的预测手段应用于大坝位移预测中。     

基于PSO_GM_MC的某混凝土双曲拱坝监控模型

大坝位移的准确预测对大坝安全监控具有重要意义。针对传统的GM(1,1)模型在大坝位移监控中存在预测误差较大的问题,利用粒子群优化算法(PSO)对背景值权重参数寻优重构,借助马尔科夫链(MC)实现残差优化,建立了大坝位移的PSO_GM_MC监控模型。实例分析表明,PSO_GM_MC监控模型与传统灰色模型GM(1,1)相比,在大坝位移预测精度上有较大提高,可用于大坝位移的安全监控。     

改进的GM(1,1)模型在大坝监测数据预测中的应用

针对传统的GM(1,1)模型存在数据序列的初始值过旧和光滑度较差等缺陷,采用初始值选择和三点平滑法对传统的GM(1,1)模型进行改进,以南方某拱坝#7坝段某测点径向位移样本为例,分别采用两种模型预测其未来值,并与实际值进行比较.结果表明,改进的GM(1,1)模型预测精度较高,更接近于真实值.     

系统优化的GM(1,1)模型在大坝位移预测中的应用

针对传统灰色GM(1,1)模型的缺陷,以陈村大坝为例,根据最小二乘原理提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,求得新灰色GM(1,1)预测模型的最优初始值,改进了原GM(1,1)模型的背景值及灰度值,并与传统GM(1,1)模型做了比较.数值仿真结果表明,新模型精度较高,预测效...     

改进的非等间距GM(1,1)模型在大坝沉降分析中的应用

由于影响大坝监测数据因素多,且数据存在非等间距离散的情况,利用传统非等间距GM(1,1)模型的建模原理,分析了数据拟合与预测精度低的原因,提出了优化背景值的改进非等间距GM(1,1)模型,根据两种模型对施工期堆石坝心墙的沉降观测数据进行拟合和预测。实例表明,改进模型精度较高,更接近观测值,可应用于工程实际中。     

基于改进背景值构造方法的GM(1,1)能源消费预测模型

针对传统GM(1,1)模型预测能源消费时存在的问题,改进了传统GM(1,1)模型中背景值的构造方法,提出用Newton差分插值和高阶Newton-Cotes公式构造背景值,并以四川省为例进行能源消费预测.结果表明,改进的GM(1,1)模型预测误差较小,精度较传统GM(1,1)模型有所提高,可用于四川省未来能源消费量的预测.     

基于改进灰色模型的江苏省发电量预测研究

针对传统灰色预测GM(1,1)模型在实际应用中存在预测精度不高或精度通不过检验的问题,基于2000～2009年江苏省发电量数据,采用改进的灰色预测GM(1,1)模型预测了江苏省2000～2009年发电量,并与传统灰色预测GM(1,1)模型的预测结果进行比较。结果表明,改进的灰色预测GM(1,1)模型显著提高了原始数据序列的光滑度,预测误差远低于传统灰色预测GM(1,1)模型,进而预测了江苏省2015、2020年的发电量,对江苏省制定电力发展规划具有重要的参考意义。     

改进的GM(1,1)模型在西安市用水量预测中的应用

针对近年来西安市用水量变化的特点,采用改进的GM(1,1)模型用于用水量预测,并与传统的GM(1,1)预测模型进行了比较.结果表明,改进的GM(1,1)模型可取得较好的预测结果.     

基于改进GM(1,1)模型的电力市场期货价格的预测

建立和实现了基于灰色理论的电力市场期货价格的改进GM(1,1)预测模型。从改进θ参数、修正初始条件、等维新息处理等三个方面对原始GM(1,1)模型进行了改进,并利用真实期货价格检验改进GM(1,1)模型的拟合效果。结果表明,改进GM(1,1)模型的预测效果明显好于原始模型,具有较高的预测精度。     

基于改进的GM(1,1)模型的南京市用水量预测

运用传统的和改进光滑度后的GM(1,1)模型分别对南京市年用水量进行建模预测.改进的GM(1,1)模型先对原始数据进行线性变换,再对变换后的数据应用GM(1,1)模型进行预测,有效提高了模型的拟合精度和预测精度.1998～2006年南京市用水量的建模结果分析表明,改进后的GM(1,1)模型预测用水量时拟合效果更好;2007～2009年用水量资料验证亦表明改进后的模型预测精度更高.     

基于蛙跳算法与卡尔曼滤波的大坝位移预测模型优化

为提高传统大坝位移统计模型的预测能力,引入蛙跳算法和卡尔曼滤波等,基于最小二乘法确定统计模型回归系数,采用蛙跳算法对回归系数进行优化;运用卡尔曼滤波法将回归系数作为状态方程的状态向量,使预测模型能实时反映监测数据的变化。工程算例应用结果表明,基于蛙跳算法与卡尔曼滤波的大坝位移预测优化模型能有效提高统计模型的预测精度,可为大坝位移预测提供参考。     

基于IFOA-GNN的土石坝施工期位移预测模型

有效预测土石坝施工期的位移对大坝安全运行具有重要意义。针对基于智能学习的大坝位移预测模型存在的不足,提出了一种基于改进果蝇算法(IFOA)与灰色神经网络(GNN)相结合的土石坝位移预测模型,即通过改进的果蝇算法迭代调整灰色神经网络的权值和阈值,得到全局最佳的初始化参数,将其结果输入灰色神经网络,并将其应用于某土石坝施工期位移预测。结果表明,该预测模型预测精度高、预测结果稳定,且精度及稳定性均优于灰色神经网络模型(GNN)和果蝇算法与灰色神经网络(FOA-GNN)预测模型。     

大坝实测性态的灰色马尔科夫链预测方法研究

为实现大坝安全性态的准确预报,以西南某坝的多年扬压力极值为例,以扬压力实测序列建立GM(1,1)预测模型,基于预测模型的残差序列建立马尔科夫残差模型,对比分析GM(1,1)残差预测模型和马尔科夫残差模型;综合GM(1,1)模型和马尔科夫残差模型建立灰色马尔科夫模型,并利用灰色马尔科夫模型预测扬压力极大值。结果表明,灰色马尔科夫模型提高了预报的精度并恰当地反映了过程的摆动性。     

基于灰色理论的高面板堆石坝沉降预测研究

基于灰色系统理论,建立了进行高面板堆石坝坝体沉降预测的GM（1,1）模型,并用该模型对公伯峡面板坝的坝体沉降进行了灰色预测,结果表明,运用该模型对高面板堆石坝的坝体沉降进行预测是可行的,预测结果也是较为合理的。     

考虑残差的小波G-Verhulst-ARIMA大坝变形组合预测模型及应用

鉴于传统的统计模型未考虑变形中的随机扰动和混沌现象,借助小波分析、灰色Verhulst模型（G Verhulst）〖JP〗和差分自回归移动平均模型（ARIMA）分析统计模型的残差,以充分挖掘变形观测资料中的数据特性。首先利用小波分析对残差序列去噪,提取出不同频率的信号,然后分别用G Verhulst模型和ARIMA模型进行建模预测,最后将统计模型预测值和残差预测值叠加,建立了一种考虑残差的小波G Verhulst ARIMA大坝变形组合预测模型。实例应用结果表明,与不考虑残差的组合模型及使用GM（1,1）模型（EGM）代替G Verhulst模型的组合模型相比,该模型拟合和预测时的均方误差均小于其他两组模型,有效提高了预测精度,为建立大坝安全监控模型提供了新思路。     

小生境蚁群-BP神经网络在大坝变形监测中的应用

针对BP神经网络在大坝监测数据预测模型中后期预测精度不高的问题,基于小生境蚁群算法的智能搜索能力和强鲁棒性、BP神经网络对大量的输入-输出模式的非线性映射关系的学习存贮能力,将两种方法结合,用小生境蚁群算法优化BP神经网络的建模方法建立了水平位移观测数据的预测模型,并与ACA-BP神经网络和传统BP神经网络进行了对比分析。结果表明,本文方法可加快BP神经网络收敛速度、增强局部搜索能力,具有更高的预测精度。     

基于VMD的多尺度变量提取法在混凝土坝变形预测中的应用

大坝变形通常呈非线性、非稳定特征,利用可靠的数据驱动模型分析大坝变形变化趋势具有重要意义.为此,提出了一种基于变分模态分解(VMD)的多尺度变量提取大坝变形预测模型,首先利用VMD将变形原始序列分解为若干具有不同频率的子序列,以降低原始序列的非平稳性;然后引入初始变量集,并通过平均影响值—极限学习机模型(MIV-ELM...