基于滑动平均-灰色Verhulst模型的深基坑中长期变形预测

准确的深基坑变形预测和控制是当前地下工程监控测量研究领域的热点问题,尤其是深基坑变形的中长期预测,对保障现场人员和财产安全具有重要的预警作用。以某地铁盾构始发竖井深基坑为工程背景,采用滑动平均法(MA)对基坑变形现场实测的地表沉降原始数据进行去噪处理,增加监测数据的权重,然后引入灰色Verhulst模型对去噪后的数据进行中长期拟合预测,最后对比分析灰色GM(1,1)模型、灰色Verhulst模型、滑动平均-灰色Verhulst模型的预测精度。结果表明:滑动平均-灰色Verhulst模型的预测精度较高,适用于基坑中长期变形预测。该结果可为提高类似变形问题的预测精度提供启示作用。     

灰色Verhulst模型在矿区沉降预测中应用探讨

在沉陷日常监测中,受各种不利因素影响,数据不易获得,数据量往往不多,从而影响了沉陷的预计精度。针对这个问题,在对数据等时间距化的基础上,运用了GM(1,1)和灰色Verhulst模型对沉降量进行了预计。结合矿区地表实测沉降进行了实例验证,结果表明灰色Verhulst模型对矿区沉降量的预计比GM(1,1)更为有效。     

GM（1，1）模型与线性回归组合方法在矿井瓦斯涌出量预测中的应用

以矿井瓦斯涌出量的预测为主要研究目的,讨论了GM（1,1）方法适用于单一指数增长模型、对预测序列数据异常情况难以准确预测的局限性,依据灰色灾变预测原理,利用线性回归适用短期预测的特点,提出了基于GM（1,1）与线性回归组合预测矿井瓦斯涌出量的新方法.应用结果表明：该方法能很好地解决历史数据的跳变问题,使预测结果更为可靠、精确.     

基于灰色线性回归组合模型的瓦斯涌出量预测研究

利用线性回归和灰色系统理论,分别构建了一元线性回归及GM(1,1)模型,在此基础上建立瓦斯涌出量的灰色线性回归组合模型。并同时运用以上3种模型进行了现场预测对比,结果表明,对于小样本数据模拟计算,灰色线性回归组合模型的预测精度要优于GM(1,1)模型,说明前者用于瓦斯涌出量的预测是可行的。     

灰色模型在建筑物变形分析中的应用

该文较详细地介绍了灰色预测模型及其修正模型的基本内容和建模思想。探讨灰色系统理论的GM(1,1)模型和GM(1,1)残差修正模型应用于建筑物变形数据分析,基于MATLAB软件编写了相应的灰色系统预测程序,结合真实数据进行变形预测比较和检验,充分证实了在建筑物变形分析中应用灰色预测方法的可行性。     

改进的灰色预测模型在煤矿安全管理中的应用

预测是确定安全管理目标的有效方法,GM(1,1)模型适用于对平滑单调数列进行建模,遇到带有周期振荡性的数列时预测精度较差.改进的GM(1,1)模型通过函数变换法对数据的周期振荡性进行处理,得到单调增加的数列,再利用GM(1,1)模型建模.实际应用表明,这种改进的方法较GM(1,1)模型效果好,使用简单.     

某边坡工程降雨量的GM(1,1)模型预测及其修正

基于灰色理论,结合具体算例建立了某边坡工程降雨量的GM(1,1)预测模型,并对GM(1,1)模型的计算结果和精度进行了分析,引用灰色区间预测法对GM(1,1)模型计算结果进行了修正,得出了某边坡工程降雨量的预测值.     

基于动态不等时距的边坡位移灰色预测模型分析

对边坡进行安全监测,建立灰色GM(1,1)模型可以预测预警灾害的发生。边坡监测难以实现等时距观测,传统不等时距GM(1,1)模型预测精度低,无法满足长期预测要求。针对其缺点,重新分配在建模过程中系统数据累加和累减的权值分配,确立最佳权值分配,并在MATLAB实现程序化建模。针对仓上露天坑尾矿库边坡建立了传统、动态和修正权值的动态不等时距GM(1,1)模型,对比分析3个模型发现:动态模型较传统模型具有明显优势,预测精度提高,残差和残差率下降;修正权值的动态模型拟合度更好,预测结果更接近真实值,更能反映系统发展趋势。     

灰色GM(1,1)模型在变形监测中的应用与探讨

灰色系统理论主要研究少数据、小样本、贫信息等不确定性问题,处理相关问题时避开了传统的求概率统计分布,大大减少了计算量。然而在应用过程中,发现灰色系统模型在一些预测问题中出现了不可接受的误差,因此其应用也受到一定的限制。文中以某大坝的一组位移实测数据序列和用指数函数模拟的数据序列建立GM(1,1)模型进行预测,通过对比分析从正反两方面验证了传统GM(1,1)模型存在的缺陷,从而得出传统GM(1,1)模型并不完全适用于变形监测数据处理这一结论。     

地下水质灰色预测与模糊评价

本文将灰色预测与模糊综合评判相结合,解决地下水质管理和水质规划中的分区问题。文中实例采用了GM(1,1)模型群、GM(1,1)残差模型、GM(1,N)、GM(1,1)加权模型等进行水质系统预测。     

用GM(1,1)新陈代谢模型预测铁矿石供需量

基于灰色系统理论,根据我国历年铁矿石供需量构建了GM(1,1)模型和GM(1,1)新陈代谢预测模型,并分别使用残差进行了模型精度检验,结果表明:GM(1,1)新陈代谢模型降低了传统GM(1,1)模型的相对误差,提高了预测精度。在上述分析的基础上,运用GM(1,1)新陈代谢模型预测了我国2017—2020年铁矿石的消耗量和生产量,供相关研究参考。     

改进的GM(1,1)模型在变形监测数据处理中的应用

在高层建筑等工程应用中,沉降监测是必不可少的,采用合理的预测方法,预测建筑物的变形对于工程建设具有重要意义.该文以某高层建筑物沉降监测数据为例,对灰色系统模型、新陈代谢灰色系统模型和改变背景值的新陈代谢灰色系统模型等方法预测精度进行了对比分析,从而得出了背景值最优化的新陈代谢GM(1,1)模型预测精度最好.表明该模型可适用于高层建筑物的沉降预测,且具有实际应用价值.     

基于GM(1,1)模型的钻孔瓦斯动力异常灰色预警预测

以灰色系统灾变预测理论为基础,以预测掘进面钻孔瓦斯动力异常期为目标,建立了钻孔瓦斯动力异常GM(1,1)灰色预测模型.通过对模型预测结果的残差分析和现场实测结果检验表明,钻孔瓦斯动力异常期的灰色预测结果与实测数据拟合精度高,建立的瓦斯动力异常期灰色预测系统方法可行,预测结果可靠.     

矿井瓦斯涌出量的GM(1,1)新陈代谢模型预测

运用灰色系统理论,根据矿井相对瓦斯涌出量的历史统计数据建立GM(1,1)模型和GM(1,1)新陈代谢模型,使用残差进行精度检验。对比表明,新陈代谢模型精度高于常规的GM(1,1)模型,应用GM(1,1)新陈代谢模型对矿井未来3 a的瓦斯涌出量进行了预测,为矿山可持续发展提供参考。     

贵州煤矿瓦斯涌出量灰色预测的应用

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对贵州某矿矿井瓦斯涌出量进行预测预报.采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高.利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测.通过建立灰色预测模型,进行矿井瓦斯涌出量灾变性预测.     

安全目标管理中的预测技术研究

在安全目标管理中目标值的确定应以科学的预测为基础.GM(1,1)模型适用于对平滑单调数列进行建模,遇到波动性大的数列时预测精度较差.灰色马尔柯夫模型是在灰色预测的基础上引入马尔柯夫链理论建立的,该模型兼有灰色预测和马尔柯夫预测的优点,提高了波动性较大的随机变量的预测精度.实例证明灰色马尔柯夫模型预测精度明显高于GM(1,1)模型,预测结果正确可靠,能够为确定科学、合理、可行的目标值提供依据,促使煤矿安全目标管理提高到一个新水平.     

关于贵州煤矿百万吨死亡率灰色预测的探讨

应用灰色系统理论,建立GM(1,1)灰色预测模型,对近几年来贵州煤矿百万吨死亡率进行统计预测,通过灰色模型预测结果与多项式回归模型预测结果的对比,说明该灰色模型基本正确可靠,预测精度较高。因此,利用此灰色模型可对贵州煤矿的安全状况进行科学的分析及预测,及时采取必要的防范措施,对安全管理能起到一定的辅助作用。     

煤炭产量预测与对比分析研究

为了预测我国的煤炭产量,分别建立了一元线性回归预测模型和灰色理论GM（1,1）模型,并对预测结果进行了比较分析。结果表明,灰色理论GM（1,1）模型较一元线性回归预测模型预测精度更高,更符合我国煤炭产量的发展趋势。灰色理论GM（1,1）模型的煤炭产量预测结果表明,未来2 a我国煤炭产量呈稳定增长趋势,产量分别为34.83亿t和37.82亿t,增长比例分别为7.5%和8.5%。     

基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

两种预测模型在客专路基沉降预测中的对比分析

在提出客运专线路基沉降预测重要性的基础上,以灰色预测模型GM(1,1)和双曲线模型,对路基沉降变形观测数据进行了分析预测,并结合实例,编写matlab程序,对这两种预测结果做了对比分析.结果分析显示:灰色预测模型GM(1,1)比双曲线模型在客运专线路基沉降预测具有更高的精度,效果更佳.