宁波地区单桩极限承载力GM(1,1)灰色模型预测

利用未达到破坏的试桩资料来确定桩基的极限承载力具有重要的工程意义。为此,本文根据灰色理论建立了单桩荷载-沉降关系的GM(1,1)模型,编制了相应的计算程序,并利用宁波地区桩基承载力实测数据验证了灰色预测GM(1,1)模型的可靠性,证明了该方法具有较好的预测精度。最后,对宁波市区2006～2010年的910根预应力管桩的抗压承载力特征值进行预测,结果表明:单桩抗压设计承载力特征值有15%～30%的安全储备。     

双自动寻权灰色预测法在波动经济序列中的应用

根据灰色预测模型的特点,提出了双自动寻权的灰色预测法.并对波动幅度较大的经济序列进行预测,表明该方法可以有效地提高预测精度.     

组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响，各种预测方法都有其局限性的问题，在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上，提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补预测法的改进灰色模型进行优化的组合方法，能够实现在线预测模型参数，满足动态电力负荷能解决随机干扰影响的要求，最终的预测结果误差可基本控制在3%之内. 经过实例计算，组合优化灰色预测模型用于中长期电力负荷预测，与传统的系统理论方法相比较，该方法计算简捷，预测精度高，具有很好的实用性.     

应用灰色模型预测沉降的一种改进方法

软基工程沉降预测一直是很重要的土工问题.运用灰色理论结合三次插值样条函数建立等时距GM(1,1)模型,对软土地基的沉降进行预测,用MATLAB语言编制了相应的计算程序.通过工程实例对模型进行验证,结果表明,预测精度较高,合理可行.该方法可以为施工提供参考.     

灰色系统模型在汽车市场需求预测中的应用

基于灰色系统理论, 对未来几年内的汽车市场需求进行预测.计算结果表明该方法具有较好的实用性.     

基于遗传算法的单桩极限承载力灰色预测法

在电厂建设工程中大承载力桩非常普遍,此类桩在静载试验中不能达到极限状态或破坏阶段,其极限承载力通常依据有限实测数据通过计算进行预测,灰色预测法便是其中常用的一种方法.传统GM(1,1)灰色预测模型的拟合程度与预测精度有限,本文结合灰色预测的检验方法,将后验差比作为目标函数,实现了基于遗传算法的单桩极限承载力灰色预测法.应用实例表明,与传统灰色预测法相比,该方法能有效减小预测结果的后验方差比,并能得出更合理的桩基极限承载力.     

基于灰色系统模型的公路客运量预测研究

运用灰色系统理论,对未来几年内的公路客运量建立了灰色预测模型.由计算结果表明,该预测模型具有较好的预测精度.     

一种趋势划分的灰色马尔可夫网络流量预测方法

网络流量预测对网络规划、流量管理等方面起着重要作用.针对网络流量数据波动性比较大,在一定范围内呈现某种趋势等特点,将灰色GM(1,1)模型预测和马尔可夫链预测相结合,提出一种趋势划分的灰色马尔可夫网络流量预测方法.该方法以网络流量时间序列建立灰色预测模型,得到流量的拟合值和趋势值序列,通过划分的趋势值序列状态区间构造马尔可夫模型并加以预测.在校园网实际流量预测的实验结果表明,该方法具有良好的预测性能.     

灰色理论在达标预测中的应用

根据灰色理论可以将学生达标率视为灰色系统．利用有限的达标数据,按灰色预测方法,对数值进行初值化和一次累加生成等处理,建立灰色预测模型群,即ＧＭ（１,１）模型．利用该模型群对学生每年的达标情况进行预测和精度检验,获得了较为满意的结果．     

基于灰色理论模型的交叉缩放椭圆管污垢特性预测

灰色系统理论是一种研究少数据、贫信息的不确定性问题的新方法.灰预测模型具有所需数据少、预测精度高和无需先验信息的优点.搭建了污垢实验系统来测量管壁温度和出、入口温度等参数,计算出污垢热阻值.用灰色新陈代谢模型对交叉缩放椭圆管污垢预测.结果表明:该模型预测精度较高,可用该模型对污垢热阻进行预测.     

改进的灰色神经网络预测方法

针对GM（1,1）算法求解发展系数和灰色作用量时受背景值影响的问题,提出一种回避背景值的辨识参数求解方法,避开背景值试算选取的步骤或选取不当造成预测精度低的问题;针对GM（1,1）模型预测时初始条件为固定值影响预测精度的问题,提出一种构建变权初始值的方法,避免预测精度受固定初始值的影响;针对传统灰色神经网络样本类型单一的问题,提出一种新的组合预测模型结构,突破了传统模型只依靠单一浸润线历史数据预测的局限,建立了基于改进灰色神经网络的浸润线预测模型.通过工程验证,该模型短期内对浸润线高度的变化预测效果较好.     

高斯过程回归补偿ARIMA的网络流量预测

为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.     

修正的氯离子在混凝土中的扩散模型及其工程应用

通过参数定义对Fick定律的假定进行修正,推导氯离子在混凝土中扩散的多因素修正模型,综合考虑氯离子扩散系数的时随效应、混凝土的氯离子结合能力和混凝土自身缺陷对扩散过程的影响.经分析试算,给出模型中参数的取值.利用修正的扩散模型,推导定值法、基于概率性能和基于时变可靠度的混凝土结构工作寿命预测方法,并采用上述方法对一在建的实际工程进行寿命预测.结果表明,基于时变可靠度的预测方法不仅可以考虑氯离子扩散系数及混凝土保护层厚度的随机特性,而且可以方便地考虑环境变量的随机特性,通过调整目标可靠度得到的预测结果与定值法和基于概率性能的预测方法的结果相吻合.     

基于IGOWMA算子的变权系数区间型组合预测模型

为了保持区间数内部的整体性及提高区间数的预测精度,提出了一种将改进相关系数和诱导广义有序加权多重平均(IGOWMA)算子相结合的区间型组合预测方法.该方法首先将区间数进行转化,以等价信息的中心和半径来表示区间数; 然后以预测精度为诱导因子,构建IGOWMA算子; 最后选取改进后的Pearson相关系数作为最优准则来建立多目标非线性规划模型,并通过引入偏好系数将模型转化为单目标规划模型.实例验证证明,该区间型组合预测模型不仅能够保证区间数内部的整体性,而且其预测结果显著优于文献中的3种单项预测方法和1种组合预测方法.对模型的参数进行灵敏度分析显示,参数λ的取值对模型的权系数、最优目标函数值以及误差指标有较明显的影响,偏好系数α则对模型的影响较小.上述结果表明,该组合预测方法能有效提高预测精度,可应用于区间数的模糊预测中.     

高速公路施工区合流冲突风险阈值界定及交通冲突量预测

分析了高速公路施工区合流行为特性,以行车速度与合流角度作为合流交通冲突的表征参数,以冲突时间作为合流冲突风险的度量指标,建立了高速公路施工区合流冲突风险计算模型,确定了高速公路施工区不同安全状态的合流冲突风险阈值.运用灰色理论建立了高速公路施工区合流冲突预测的GM(1,1)模型,并通过合流冲突调查样本数据对该模型进行验证.结果表明:不同安全状态下的高速公路施工区合流冲突风险阈值危险、中等、安全分别为(∞,5)km/h、(3.55,5]km/h和(0,3.55]km/h;GM(1,1)高速公路施工区合流交通冲突量预测模型有效、可靠,满足精度要求.     

基于原子稀疏分解和支持向量机的风电功率实时预测研究

准确的超短期风电功率实时预测是实现风能大规模调度的有效手段.针对风电场风电功率实时预测精度低的问题,文中提出了一种基于原子稀疏分解(ASD)理论和支持向量机的预测方法.该方法利用原子稀疏分解算法对风电功率时间序列进行分解,然后对得到的原子分量和残差分量分别进行自预测和支持向量机预测,最后将预测值组合叠加,从而得到最终的预测值.以某风电场的实测风电功率数据为例,进行不同时段的实时预测.结果表明,该方法可以显著提高风电功率的预测精度.     

基于有限元的输电导线电磁环境评估与预测

基于有限元方法,计算输电导线周围的工频电场、工频磁场、无线电干扰和可听噪声.通过与传统计算方法和现场实测数据的比较,验证有限元法在计算导线周围工频场强时的优越性,计算结果表明:有限元法能准确反映子导线表面电场强度由于电荷分布不均引起的沿面变化,有效提高了无线电干扰和可听噪声的计算精度.并开发了输电导线电磁环境评估通用计...     

压气机特性的高斯变换多层感知器预测方法

使用BP( back propagation)神经网络进行压气机特性预测时,容易出现外插精度低和系统稳定性差的问题.根据压气机特性图中等转速线线形分布特点,提出一种新型的多层感知器神经网络,利用高斯函数对数据样本进行变换,提取特性图中各条等转速线间的相似度关系.分析结果表明,该神经网络在预测精度、网络稳定性和逼近能力等方面优于BP神经网络.利用该神经网络对某型压气机特性进行预测,结果表明该神经网络对于样本数据内插值和外插值预测都有比较理想的精度.     

基于小波的Web流量组合预测方法研究

为了提高Web流量的预测精度，提出一种基于小波、神经网络和自回归的组合预测方法．首先将Web流量构造为2个相关序列：历史序列和相似值序列；对具有平稳特征的相似值序列用AR模型进行预测；对体现了Web流量非线性、非平稳特性的历史序列则经过小波分解与单支重构后，针对各分支特点分别采用神经网络和自回归模型预测；最后组合2条序列的预测结果获得最终预测值．理论分析与实验表明：组合预测方法可以充分利用与流量相关的多种数据关系；小波分析可以将历史序列分解为多层频率成分更加单纯、更加易于预测的时间序列．因而所建方法比传统的预测方法具有更高的预测精度．     

基于熵权-灰色模型的电力数据网风险预测

针对当前电力数据网风险预警模型无法有效预测网络风险的现状,提出一种基于熵权-灰色模型的电力数据网风险预测机制,重点解决网络整体风险的预测问题.首先利用灰色模型对电力数据网的风险指标进行预测,确定单项风险指标值;然后采用熵权法得出每一项指标的动态权重;最后根据风险指标值和权重得出网络整体的预测风险值.仿真验证结果表明,该模型可保证动态网络下实时预测的准确度.