基于 NRS-BP 模型的商品住宅需求预测研究

合理预测商品住宅需求的未来走势,有利于形成房地产市场平稳健康发展态势。将邻域粗糙集（NRS）和 BP 神经网络结合,构建基于 NRS-BP 的商品住宅需求预测模型。先确定商品住宅需求影响因素集,利用 NRS 对集合中的影响因素进行约简,选出最佳约简组合;在训练好的 BP 神经网络模型中,输入 GM（1,1）预测的需求主要影响因素时序数据,计算未来年份商品住宅需求量。经实际算例分析,预测出其未来 5 年商品住宅需求量,验证了该模型的可靠性。     

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。     

基于小波去噪的灰色GM(1,1)与RBFNN在变形预测中应用

应用小波去噪的新陈代谢GM(1,1)模型和小波去噪的RBFNN组合模型对两个实例进行处理和预测,结果表明组合模型预测结果优于单一模型,RBFNN预测模型的预测精度受噪声影响明显,而新陈代谢GM(1,1)预测模型对于短期预测具有较高的精度,且预测精度在噪声较小的情况下不受噪声影响。     

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。     

基于灰色理论的建筑需求冷量预测研究

建筑需求冷量预测能够帮助建筑运行人员提前了解建筑的需求冷量,制定最优的空调系统运行策略,以实现系统安全节能运行。针对某综合大楼的间歇制冷空调系统,基于其历史运行数据,应用灰色预测对该系统早晨的需求冷量进行了研究。建立了多个等维度新陈代谢灰色模型,预测了不同工作日的早晨需求冷量。对比分析了仅以历史冷量建模的GM(1,1)模型和考虑室外气温对冷量影响的GM(1,2)模型的预测准确性。结果表明,GM(1,2)模型较GM(1,1)模型预测精度更高,即考虑到室外气温对冷量的影响时,能够更准确地预测建筑需求冷量。灰色预测模型简单、计算量小,易于集成到建筑设备管理系统中,预测得到的需求冷量可以为空调系统运行优化提供参考。     

基于灰色-马尔可夫模型的厦门市房价预测

针对房地产营销过程中,价格变化随机性的特点,将灰色GM(1,1)预测与马尔可夫预测有机结合,用马尔可夫模型修正灰色预测的结果,构成灰色-马尔可夫预测模型,并运用该模型预测2011年厦门市商品住宅均价。结果表明,运用灰色-马尔可夫链模型对房价进行预测是可行的。     

基于Kalman滤波的改进灰色模型在基坑变形监测中的应用

变形监测数据由于其离散性、高噪声等特点,使得监测数据呈现一定的波动性、随机性,为了对监测体的稳定状态及变形趋势做出更加准确的分析,本文拟采用Kalman滤波+新陈代谢GM(1,1)模型组合方式,利用Kalman滤波对原始监测数据滤波消噪,并结合新陈代谢GM(1,1)模型对变形趋势项进行建模分析,来预测变形趋势。结合实际案例分析,基于Kalman滤波的新陈代谢GM(1,1)相比于传统的单一GM(1,1)、ARMA模型,有效降低了观测噪声影响,并具有更高的预测精度。     

灰色理论在我国砖产量预测中的应用研究

提出了驱动我国砖产量变化的主要因素:房屋建筑面积、建筑业产值、固定资产投资、城镇化率。利用灰色GM(1,N)模型建立了我国砖产量与驱动因子之间的数学模型。并运用灰色GM(1,N)模型对我国历年砖产量变化规律进行了预测,取得了较好的效果。根据模型预测结果表明:对我国砖产量影响最大的因素是固定资产投资,城镇化率对砖产量影响最小。     

改进的GM(1,1)模型在地铁运营隧道的沉降预测分析

工程监测中常用灰色系统的GM(1,1)模型对建(构)筑物沉降进行预测分析,但由于GM(1,1)模型本身的局限性,其预测往往存在较大误差,为了提高GM(1,1)模型在预测分析上的准确性,本文提出采用利用残差修正的方法对GM(1,1)模型进行改进,并利用该改进模型对地铁运营隧道的沉降进行预测分析,实验证明该方法相对于传统的...     

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。     

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。     

基于灰色神经网络模型的基坑开挖引发周边地面沉降预测分析

在城市地下工程建设中,深基坑开挖引起的周围地表土沉降问题越来越受到人们的重视。地表沉降将引起邻近建、构筑物破坏,从而造成经济损失。因此,预测基坑周围土体未来一段时间的沉降,对及时采取治理措施具有重要意义。文章针对GM(1,1)模型地面沉降预测精度较低的问题,利用神经网络对灰色预测模型进行组合,生成灰色神经网络模型,并进行预测分析,结果表明,利用灰色神经网络模型预测的沉降值,比单独的灰色GM(1,1)模型预测的沉降值具有更高的精度。     

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。     

基于灰色GM(1,1)模型的混凝土碳化深度预测

阐述了混凝土碳化过程及机理,并分析了其影响因素,运用灰色GM(1,1)模型对混凝土碳化深度进行预测,结果表明,灰色GM(1,1)模型预测混凝土碳化深度具有较高精度,这一方法是可行、有效的。     

基于GM-RBF组合模型的高路堑边坡稳定性预测研究

边坡的稳定性预测是道路边坡安全性评判的关键,且及时、准确的预测可以有效地预防边坡破坏灾害的发生.采用GM(1,N)模型与RBF神经网络模型相结合的方式,建立一种基于GM-RBF组合的高路堑边坡变形预测分析模型.结合高速公路高路堑边坡工程实例,通过对比GM(1,5)模型、RBF神经网络模型和GM-RBF组合模型的边坡安全系数预测结果来分析GM-RBF组合模型的可行性.结果 表明,GM-RBF组合模型比单一模型更能抵抗预测数据序列中存在的波动性;较于GM(1,5)模型和RBF神经网络模型,GM-RBF组合模型预测的边坡安全系数平均绝对误差分别降低了64.6％和45.8％,边坡安全系数均方根误差分别降低了66.7％和45.2％,边坡安全系数相对均方误差也分别降低了58.3％和38.7％;采用GM-RBF组合模型对边坡稳定性进行预测能够保持良好的精度.     

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。     

灰色BP神经网络组合模型在地铁沉降监测中的应用

地铁路基沉降监测是变形监测中的一项重要内容,关系到交通运营的安全问题。为准确对地铁沉降进行预测,在灰色GM(1,1)模型及BP神经网络模型的理论知识的基础上,利用某地地铁沉降监测数据,采用灰色BP神经网络组合模型对地铁监测数据进行预测。通过监测数据和预测数据的对比分析,得出组合模型对地铁沉降数据预测较为准确、精度较高的结论。     

改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

针对传统GM(1,1)模型在高铁隧道沉降变形分析与预测中精度不理想状况,本文在传统GM(1,1)模型基础上,建立自适应GM(1,1)模型与残差修正GM(1,1)模型并讨论两种改进模型各自优点。利用传统GM(1,1)模型、自适应GM(1,1)模型以及残差修正GM(1,1)模型对某高铁隧道监测点作沉降分析与预测。通过对比,得出自适应GM(1,1)模型与残差修正GM(1,1)模型对原模型的预测曲线相关性和预测精度有一定程度提高;残差修正GM(1,1)模型对于沉降曲线波动较大处仍有较好的拟合与预测效果,其预测效果优于自适应GM(1,1)模型。     

人工冻土单轴弹性模量灰色理论预测

人工冻土弹性模量是冻结法建井计算的重要参数之一。为提高人工冻土单轴弹性模量预测的精确度与稳定性,利用灰色理论在处理小样本数据的优势,考虑影响人工冻土单轴弹性模量因素,提出了人工冻土单轴弹性模量的灰色理论预测方法,由于传统的GM(1,1)模型在预测时产生的较大误差,所以增加了原始序列的光滑度,优化了时间响应函数,由此建立了改进的GM(1,1)模型;并用改进的GM(1,1)模型进行预测,结果表明,改进的GM(1,1)模型的预测精度较传统模型高。该改进模型为人工冻土单轴弹性模量的预测提供了一种新的途径,同时也为进一步了解冻土力学特性提供了理论依据。     

刚柔组合桩复合地基沉降的灰色预测

运用灰色系统理论原理 ,建立了预测刚柔组合桩复合地基沉降的GM(1 ,1 )模型和等维新息GM(1 ,1 )模型。工程实例验证 ,应用两种模型的组合对复合地基沉降的预测具有较高的精确度 ,能满足工程的要求