改进灰色模型及其在基坑变形监测中的应用

灰色系统理论在岩土工程领域已经有着广泛的应用,其中以灰色理论中的GM(1,1)模型为最。本文基于GM(1,1)的建模机理,从原始序列、初始值、背景值等方面对其进行优化,并将改进后的模型应用于某基坑工程的变形预测。结果表明,改进后模型的预测结果与实测结果拟合得效果很好,较之原GM(1,1)模型预测精度要高。     

基于改进的灰色模型在区域热负荷中期预测中的应用

根据灰色预测理论,本文根据区域供热负荷长期变化的趋势和周期变化的特点,提出了一种改进的灰色预测方法。即在一般灰色模型GM(1,1)的基础上建立残差序列,用周期均值叠加法将该序列分离为若干个周期波,对周期波线性叠加后将周期波进行外延,从而得到预报结果。实例计算结果表明该模型可以明显提高区域热负荷的中期预测精度。     

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。     

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。     

改进灰色预测模型在城市用水量预测中的应用

为提高城市用水量的预测精度,分析了GM(1,1)模型和灰色Verhulst模型,同时由于GM(1,1)模型存在一定的缺陷,本文对基本GM(1,1)模型进行了新陈代谢改进,最后通过对实例的预测分析,改进灰色预测模型预测精度更高。     

改进残差修正GM(1,1)模型在基础沉降预测中的应用

普通的灰色残差修正GM(1,1)模型利用差分代替微分,并用原始数据第一个点的值作为时间响应函数的初始值C0,从而给预测带来了一定的误差。本文用多项式逼近法对残差修正GM(1,1)模型进行了改进,并增加了一个初始值参数;还通过一个基础沉降预测的工程实例,对此模型与普通残差修正GM(1,1)模型进行对比。沉降预测结果表明,改进后的模型明显提高了精度,更加适合于基础沉降的预测,具有较好的准确性和工程应用价值。     

地基沉降预测的两种灰色模型与Asaoka法

Asaoka法、GM(1,1)模型和灰色Verhulst模型都是地基沉降预测中的常用模型。通过分析Asaoka方程与两种灰色模型之间的联系,指出灰色模型理论与Asaoka法一阶微分方程具有一致性,可以利用GM(1,1)模型代替Asaoka法进行沉降预测;灰色Verhulst模型是参数收敛的时变参数Asaoka方程。分析指出三种方法都存在两点不足,即只能应用于等时距沉降数据分析以及参数求解精度还可以进一步提高,从而建立了改进的GM(1,1)模型和改进的灰色Verhulst模型,最后通过工程实例说明了改进灰色模型的具体应用。     

GM(1,1)模型与灰色Verhulst模型在路堤沉降预测中的探讨

分析非等间隔序列GM(1,1)模型与灰色Verhulst模型的发展特点,用于预测路堤沉降量,以考察其可行性与精度,并得出非等间隔序列GM(1,1)模型与灰色Verhulst模型是一种有效的预测路堤沉降量的方法,同时指出非等间隔序列GM(1,1)模型与不等时距灰色Verhulst模型存在的局限性。     

基于GM(2,1)模型的短期电力负荷预测

传统的灰色系统GM(1,1)模型只适用于呈近似指数增长趋势的原始数列,而GM(2,1)模型适用范围更广,被广泛应用于各个行业。但由于计算复杂,以及模型自身存在的问题,在电力负荷预测上鲜有人研究。现将GM(2,1)模型运用于短期的电力负荷预测中,详细列出参数的计算过程,并与传统的GM(1,1)模型进行对比,结果表明,GM(2,1)模型比GM(1,1)模型预测精度更高,并且G M(2,1)模型预测的精度基本不受数据的影响,使用范围更广。     

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)模型基坑结构变形预测应用研究

动态设计和信息化施工使得基坑结构变形预测意义重大,本文结合工程实践对GM(1,1)模型在基坑支护结构变形预测进行应用研究.工程应用结果显示灰色预测理论在深基坑结构变形预测方面具有较好的稳定性,GM(1,1)预测的深基坑地面水平位移、沉降与实际监测结果比较接近,GM(1,1)模型预测方法有效可行.灰色系统GM(1,1)基坑变形预测模型可作为基坑支护结构变形预测的参考工具.     

桥梁基础沉降的等维灰色预测

为揭示桥梁基础沉降的变化规律,采用灰色系统理论分别建立了基础沉降量预测的传统GM(1,1)模型和等维新信息GM(1,1)模型。工程验证结果表明,灰色预测模型的计算值与实测值较吻合,等维新信息GM(1,1)模型比传统GM(1,1)具有更高的预测精度,更适合于桥梁基础沉降量的预测。桥梁基础沉降量的灰色预测结果可为提前评估沉降设计及施工质量提供参考依据。     

忠武输气管道沿线滑坡预测方法研究

基于忠武管道沿线滑坡不具有成面、成片分布的特点及其管道沿线滑坡监测方案,系统地分析了忠武输气管道沿线滑坡预测过程,根据灰色GM(1,1)模型具有对数据量需求少、对时间有关的序列有很好的预测效果等优点,重点研究了灰色GM(1,1)模型及其改进模型,并对各种改进的灰色模型预测结果进行比较分析;同时顾及BP神经网络的各种优点...     

明挖隧道基坑周边建筑物沉降预测研究

基于济南市济泺路穿黄隧道工程,研究了BP神经网络和灰色GM(1,1)模型分别对隧道开挖影响周边建筑物沉降的预测。BP神经网络模型和灰色系统模型预测深基坑周围建筑物沉降,均能够取得较好的预测结果;对建筑物的沉降量进行中长期预测时,BP神经网络模型更适合进行预测;灰色GM(1,1)模型的特点需使用的实测数据少,该模型适用于短期预测,在监测数据较少时能够发挥较好作用。     

灰色预测在高层建筑物沉降监测中的应用

以秀山湖二期工程为例,运用灰色预测系统,建立了两种非等间隔灰色GM(1,1)模型,并对建筑物进行沉降监测,通过对沉降数据的对比分析,指出采用数据变换的非等间隔GM(1,1)模型要优于加权处理的非等间隔GM(1,1)模型。     

基于中心逼近式GM(1,1)模型的火灾事故预测

应用灰色预测理论对我国火灾事故四项指标进行预测研究。以2001-2008年的火灾统计数据为原始数据序列,分别建立GM(1,1)预测模型和中心逼近式GM(1,1)预测模型,并对原始数据进行拟合分析以评估模型精度;利用这两个预测模型对2009、2010年的火灾事故数据进行预测,并与实际值比较分析。结果表明,中心逼近式GM(1,1)模型的拟合精度及预测精度均高于传统GM(1,1)模型,但这两个模型不适用于火灾事故直接经济损失的预测,其余三项指标的中心逼近式GM(1,1)模型的预测精度能够达到一级。     

改进灰色理论模型在海相深厚软土路基沉降预测评估中的应用

海相深厚软土路基的工后沉降预测是当今铁路建设中的重大难题,灰色理论为解决这一问题提供了可能。在GM(1,1)模型基础上,考虑量测数据不等时间间隔,建立路基沉降的非等间距等维的模型,并引入缓冲弱化算子,消除灰色预测模型的无限增长性。本文以广珠铁路珠海西站为例,运用改进GM(1,1)灰色理论预测海相深厚软土路基沉降,并与常规预测方法进行比较,研究结果表明改进GM(1,1)灰色预测法具有很高的精度,要优于传统方法。     

GM(1,1)优化模型在基坑变形预测中的应用

基坑边坡系统是一典型的灰色系统.其变形发展过程可用灰色系统理论进行预测.本文在常规全息GM(1,1)模型的基础上,采用等维新息迭代法GM(1,1)模型对郑州太阳城紫荆花园基坑变形进行模拟预测,结果表明了迭代法GM(1,1)模型比常规的GM(1,1)模型预测精度高,更符合工程实际.     

改进灰色GM(1,1)模型在隧道围岩位移预测中的应用

传统灰色GM(1,1)模型 ,多适用于等间距序列监测数据的模拟预测 ;对非等间距则往往产生较大的滞后误差。提出了一种经改进的GM(1,1)模型 ,经实例分析 ,该模型适用于隧道围岩位移非等间距监测数据序列的位移预测 ,且都能获得很高的模拟和预测精度     

加权GM(1,1)模型在变形监测中的应用研究

灰色系统理论中的新信息对认知的作用大于老信息的作用,而传统的累加生成没有体现原始数据中新信息的重要性。为了充分利用新信息,本文结合工程实例将加权灰色系统理论GM(1,1)模型应用于滑坡工程进行变形预测,而且对权的选取做了初步讨论,从预测结果和实测结果进行对比分析,加权累加生成的GM(1,1)模型的模拟和预测精度比传统的GM(1,1)模型模拟和预测精度高,从而说明了该法的有效性和实用性。