基于遗传算法的城市用水量灰色预测模型研究——以秦皇岛市引青济秦工程为例

通过数据分析,结合传统灰色GM(1,1)模型的特点,基于遗传算法与新陈代谢思想提出了改进的GM(1,1,λ)模型。结果表明:GM(1,1)模型对分散数据预测精度较低,其精度等级为四级以下,最大相对误差大于45%,预测值逐年上升,与实际情况不符。而改进的GM(1,1,λ)模型的精度等级为三级,最大相对误差为18.716%,更好地反映了城市用水量的变化趋势,与观测数据最为接近,预测精度较高。     

新陈代谢GM(1,1)模型预测水闸垂直位移

简要介绍了新陈代谢GM(1,1)模型的概念及GM(1,1)的建模过程,在对黄河下游某水闸垂直位移数据进行定性分析的基础上,建立了相应的全数据GM(1,1)和新陈代谢GM(1,1)模型,并对其预测精度进行对比,结果表明,新陈代谢GM(1,1)模型预测精度较高,更符合水闸垂直位移的实际情况。     

灰色新陈代谢模型在城市生活用水量预测中的应用

应用常规GM（1,1）模型和新陈代谢GM（1,1）模型对上海市生活用水量进行了预测。首先利用常规GM（1,1）模型对上海市生活用水量进行了建模,结果随时间序列延长,常规模型对未来的一些扰动因素无法准确把握导致精度逐渐降低。然后采用了新陈代谢GM（1,1）模型进行建模预测,并与常规GM（1,1）模型预测结果的精度进行了对比,结果显示：新陈代谢GM（1,1）模型预测精度达到94.56%,明显高于常规GM（1,1）模型精度。因此,新陈代谢模型能有效提高预测精度,可作为城市未来生活用水量的一种有效预测工具。     

改进的非等间距灰色模型在大坝位移预测中的应用

传统GM(1,1)预测模型在大坝位移拟合及预测中存在优化方式单一、适应性不佳等不足,一定程度上影响模型的预测效果。基于蛙跳算法,通过优化背景值和平滑系数、寻找最优定解条件以及残差优化等方法,提出了改进的非等间距GM(1,1)大坝位移预测模型。结合相关工程实例,对比分析了2种模型的拟合效果和预测精度,说明了相对于传统GM(1,1)大坝位移预测模型,改进的GM(1,1)大坝位移预测模型能有效提高位移预测精度,可以应用于实际大坝结构中的位移监控及预测。     

基于改进灰色模型的水资源预测

为了提高灰色模型GM(1,1)对用水量预测的精度,通过对传统灰色模型的残差序列进行改进,提出了一种新的灰色改进预测模型。将其应用于城市居民生活用水量预测中,结果表明:与传统GM(1,1)模型预测值相比,改进GM(1,1)模型预测值与实际值拟合效果更好。     

PSO-GM(1,1)模型在结构损伤诊断中的应用

通过粒子群算法求解GM(1,1)模型中的参数α和μ,对传统的GM(1,1)模型进行了改进。通过实例分析表明:基于粒子群算法的GM(1,1)模型对非平缓数据序列的拟合精度显著优于传统的GM(1,1)模型,对平缓数据序列,在拟合的平滑性和与原始数据序列的整体接近程度上优于传统的GM(1,1)模型。将该方法应用于结构损伤预测,结果表明:基于粒子群算法的GM(1,1)模型对检测数据的处理能力更强,预测数值与真值的整体吻合度更高,从而使模型能更好地应用于复杂结构及复杂情况下的损伤预测。     

GM(1,1)改进模型在大坝位移预测中的应用

针对传统GM(1,1)模型的不足,分别从提高原始序列的光滑度、优化时间响应函数两个方面对其进行了改进,对模型进行残差检验和后验差检验,并建立一种新的GM(1,1)模型,将改进了的模型应用于大坝位移预测中,结果显示:新的GM(1,1)模型拟合预测精度明显高于传统模型。     

改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用

研究了改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用,先用S型函数对厦门某边坡的实测数据进行平滑处理,然后用平滑后的数据建立不等时距灰色GM(1,1)模型,最后用改进的计算公式求得马尔科夫模拟值和预测值。结果表明改进后的不等时距灰色马尔科夫GM(1,1)模型的拟合精度和预测精度有了很大的提高,对边坡稳定性预测有一定的参考价值。     

水泥土搅拌桩复合地基极限承载力预测

以某水泥土搅拌桩复合地基4组静载荷试验数据为实例,对桩的荷载—沉降关系分别建立GM(1,1)模型及GM(1,1)新陈代谢模型进行对比预测分析。结果表明:GM(1,1)新陈代谢模型能及时补充桩顶位移新信息,同时去掉老信息,极大地提高了预测精度。利用GM(1,1)新陈代谢模型对水泥土搅拌桩复合地基及单桩承载力进行预测,得出试验不彻底的水泥土搅拌桩复合地基及单桩的极限承载力分别为540、450 kN,其相应桩顶位移量分别为37.3、14.7 mm。     

优化的新陈代谢GM(1,1)模型在基坑变形监测中的应用

针对传统的GM(1,1)模型确定积分常数C缺乏一定理论依据的问题,依据建模方差最小原则优化传统GM(1,1)模型的初始值,融合新陈代谢和新信息优先建模的思想,建立基于优化初始值的新陈代谢GM(1,1)模型,并将其应用到基坑变形监测中。结果表明,优化初始值的新陈代谢GM(1,1)模型预报精度优于传统的GM(1,1)模型、新陈代谢GM(1,1)模型和优化初始值的GM(1,1)模型。