改进型GM(1,1)动态模型在流量预报中的应用

该文对常规的GM（1,1）模型进行改进,建立了GM（1,1）动态模型进行流量预报.     

改进的GM(1,1)模型在城市需水量预测中的应用

基本GM(1,1)模型未充分利用新信息,且背景值构造不合理,对变化非平稳的数据序列预测精度较低,为此,本文采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,建立重构背景值的GM(1,1)等维递补模型,并运用改进模型预测北方某市需水量,结果表明,改进模型预测精度更高,为需水量的预测提供了一种新方法.     

大坝位移的改进非等间距GM(1,1)预测模型

基于灰色理论建立的GM(1,1)灰色预测模型常被用于大坝位移实测资料序列的分析。为提高大坝位移预测精度,在分析传统GM(1,1)预测模型构建原理、步骤的基础上,提出了对原始数据序列进行平滑处理、对背景值和残差序列进行优化等方法,建立了大坝位移预测的改进非等间距GM(1,1)模型,并用某大坝水平径向位移监测数据对其进行了检验,结果表明:改进的模型在大坝位移预测中的适用性更强,不仅提高了预测精度,而且保留了灰色模型建模灵活、所需数据少等优点,用于短期预测效果较好,用于长期预测的效果有待考证。     

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。     

GM(1,1)模型在地下水管理中的应用

本文利用GM(1,1)灰色理论模型,通过1996～2005年间地下水实测资料,建立灰色-周期外延组合预测模型,并应用于德阳市地下水资源管理.实际应用表明,模型较高的模拟德阳市的下水的变化趋势,极大地提高了对地下水资源管理的灵活性与全面性.     

基于GM(1,1)动态模型群组法的高锰酸盐指数预测

高锰酸盐指数(COD_(Mn)))是水质监测与评价的核心指标,客观反映水体受污染情况。通过累加不同时间段的南沙河干流COD_(Mn)原始数据建立GM(1,1)动态模型群组,使模型群组在动态过程中产生预测值,克服了单一模型随数据序列不规则波动拟合性差等缺陷。其建模精度大于90%,预测结果平均相对误差小于10%,计算结果准确、可靠,可作为水质监测校核辅助手段,为突发水质污染应急监测提供科学依据。也可广泛应用于水质监测与评价、辽河流域水资源保护规划等工作中。     

改进GM(1,1)模型在基坑变形预测中的应用

分析得出原始GM(1,1)模型对应的灰微分方程仅是白化微分方程的梯形积分形式,因此以辛普生求积公式为基础建立了新的灰微分方程,而辛普生求积公式也是一种近似表达形式,因而对新的灰微分方程添加动态扰动项,以弥补灰微分方程与白化微分方程的差别,同时对初始值添加修正项,使其更加符合最小二乘法思想。将改进后的GM(1,1)模型应用到基坑变形预测中,实例应用结果显示,改进的GM(1,1)模型具有较高的预测精度。     

基于ln(x+c)变换的GM(1,1)模型及其变形预测

针对原始数据序列不满足ln(x)变换要求和变换后的数据序列不满足建模要求两种情况,提出了对原始数据序列进行ln(x+c)变换,先从理论上证明了此种变换可以使建模数据序列的光滑度提高,进而提高所建模型的预测精度,另外还给出了基于建模序列近似确定最佳常数c的方法。然后,选取满足建模要求的递增变形数据序列,通过实例模拟得到了实测值与预测值接近的结果,论证了此种变换的有效性及实用性。该方法弥补了原始数据序列和对数变换序列的不足,拓宽了灰色GM(1,1)模型的应用范围,使模型的拟合精度和预测精度均得到提高。     

GM(1,1)模型在大坝沉降预测中的应用

针对某水库大坝实际情况,提出在现有沉降观测数据的基础上,运用灰色理论的方法,建立GM(1,1)模型。通过数值试验确定模型最佳维数后,采取淘汰过于陈旧的数据信息、补充新观测数据的方法,即建立GM(1,1)等维新息模型,用以预测该大坝的沉降量,分析结果表明:GM(1,1)等维新息模型能较好地预测该大坝的沉降发展趋势。     

基于GM(1,1)的河南省需水量预测研究

本文重点介绍了灰色理论及其建模原理,对年度用水量进行深入挖掘,依据河南省2000-2009年用水资料建立了灰色GM(1,1)预测模型,经检验模型精度达到93.27%,并用该模型对需水量进行了预测。预测结果表明,该模型用于需水量预测,符合其灰色特性,可检验,适用性好,可为河南水资源规划与管理提供必要的参考。     

GM(1,1)灰色模型在大坝扬压力预测中的应用

本文对大坝的扬压力建立了灰色GM(1,1)预测模型,所使用的数据量少,其拟合结果、预测结果与实测结果相比具有很高的精度。因此,灰色GM(1,1)预测模型在工程领域的数据处理中具有广阔的应用前景。     

加权灰色与加权统计模型在边坡变形预测中的应用研究

 利用实测变形数据建立监测模型对边坡变形规律进行预测是工程安全监测中的重要手段。对于长期发展变化的变形来说,新、旧信息反映的规律通常会有所不同,充分合理利用新的实测信息是实时掌握边坡状态、预测下一阶段趋势的必要工作。以加权的方法增强新的监测信息的作用,适当削弱旧信息的作用,比较选取权形式,对相应的变形加权回归模型和加权灰色模型进行建模分析,其预测效果比不加权模型有较明显改善。并通过权重的改变对模型的拟合、预测结果进行了比较,总结其规律,提出了使用建议。     

G(1,1)灰色模型在某大坝水平位移预测中的应用

大坝的水平位移受到了外部环境各种因素的影响,而这种影响又难于用确定的关系式表达,由于试验数据中有些信息是已知的(如水平位移是可以通过测量得到的),而有些信息是未知的(如外部环境对它的影响作用),因此大坝水平位移的试验数据系统是一个典型的灰色系统,本文对大坝的水平位移建立了灰色GM(1,1)预测模型,对大坝水平位移的试验数据进行处理和预测。所使用的数据量少,其拟合结果、预测结果与实测结果相比具有很高的精度。因此,灰色GM(1,1)预测模型在工程领域的数据处理中具有广阔的应用前景。     

基于 RAGA 的 GM(1,1)-RBF 组合需水预测模型

建立了基于实码加速遗传算法（real coded accelerating genetic algorithm, RAGA）的灰色 (grey model,GM(1,1)) 径向基函数 (radial basis function, RBF) 神经网络预测模型。该模型克服了传统 GM(1,1) 模型存在明显系统误差和容易陷入局部最优的缺点 , 具有 GM(1,1) 模型对数据确定性方面把握的优点 , 同时融合了人工神经网络在不确定因素预测方面的优势。 运用该模型对山西工业需水量进行预测 , 预测表明该模型相比单个传统模型具有相对较高的预测精度,验证了 GM(1,1)-RBF 组合模型在中长期需水预测应用中的合理性,对相关政策的制定有一定参考价值。     

灰色新陈代谢GM(1,1)模型在土钉支护结构变形预测中的应用

土钉支护结构在深基坑、边坡支护中有着越来越广泛的应用,因其受众多因素的影响,且部分因素难以确定,故是一个典型的灰色系统。由于常规GM(1,1)模型被用于预测时,精度较高的仅仅是最近的几个数据,越往未来发展,该模型的预测意义就越弱,故尝试用灰色新陈代谢GM(1,1)模型来模拟和预测土钉结构的变形。事实表明,这种预测可以取得非常好的效果,有着很好的利用价值。     

GM(1,1)模型在红山窑泵站沉降预测中的应用

针对红山窑水利枢纽泵站地质条件的特殊性,提出在现有沉降观测数据的基础上,运用灰色理论的方法,建立GM(1,1)模型。通过数值试验确定模型最佳维数后,采取淘汰过于陈旧的数据信息、补充新观测数据的方法,即建立GM(1,1)等维新息模型,来预测该建筑物的沉降量。分析结果表明,GM(1,1)等维新息模型能较好地预测该泵站的沉降发展趋势。     

动态模糊神经网络在大坝变形预报中的应用

针对静态模糊神经网络的局限性,提出了在线动态建模的模糊神经网络方法.当新增样本进入训练集之后,根据新样本对模型的贡献大小,在已有模型的基础上进行动态修正,这样可以减少建模的计算时间.新方法实现了增加样本而矩阵阶数不增加,避免了矩阵求逆运算,理论上可以提高计算效率.实例表明动态模糊神经网络方法是可行的,可实现持久预报,具有较强的适应能力和较高的预报精度,可应用于在线实时变形预报及相关领域.     

以速率为参量的GM(1,1)滑坡时间预报模型研究

以摩擦学和灰色系统为理论基础,建立了以速率为参量的滑坡GM(1,1)时间预报模型,推导出滑坡时间预报公式,结合黄茨滑坡、新滩滑坡进行了预报分析,并与传统的以位移为参量的GM(1,1)、Verhulst预报模型预报结果进行对比。结果表明:以速率为参量的GM(1,1)滑坡预报模型能够提前预报滑坡;与传统的以位移为参量的GM(1,1)相比,预报时间更接近滑坡实际发生时间;与传统的以位移为参量的Verhulst模型相比,以速率为参量的GM(1,1)模型不仅能够提前预报滑坡,而且能够更加准确地反映滑坡的位移变化趋势。因此,建议采用以速率为参量的GM(1,1)滑坡时间预报模型对滑坡进行预报分析。     

基于等维新息GM(1,1)模型的城市需水量预测

该文针对传统GM(1,1)模型当系统增长速度较快时可能出现较大误差的弱点,提出了等维新息GM(1,1)模型,并对阿克苏市2001~2005年的需水量进行了预测。结果表明:等维新息GM(1,1)模型预测精度较高,平均相对误差较小,可用于城市的年用水量预测。